大规模云计算网络用户短时需求任务调度优化算法

设计一种大规模云计算网络用户短时需求任务调度优化算法,在较短的时间内处理大量的云计算任务,以满足用户短时需求。建立一个大规模云计算网络任务调度模型,将大规模云计算网络任务分配到各个虚拟机节点上,快速完成用户的短时需求任务;再通过遗传算法的个体编解码、自适应函数和遗传操作获取最优任务调度结果;并引入模拟退火算法,在遗传算法获取最佳调度结果的基础上进行局部搜索,直到迭代完成,输出最终的大规模云计算网络用户短时需求任务调度的全局最优解。实验结果表明:所设计算法能够实时关注用户任务执行状态以及用户任务执行时间;当用户任务数量为220时,该算法的单节点最大执行时间约为0.27 s,可提升整个任务调度的性能和效率;且该算法获取任务调度结果的收敛速度快、精度高。

基于联合情感的多任务谣言检测方法

情感分析在社交媒体谣言检测中有重要作用,现有的谣言检测方法侧重于使用文章的情感特征,忽略了用户评论与文章的联合情感,单任务深度学习谣言检测方法缺少足够的标签数据导致准确率难以提升.为解决上述问题,基于谣言检测与联合情感检测两个任务的相关性,提出了多任务联合学习的谣言检测方法,在同一模型中实现联合情感检测以及谣言检测两个任务.首先,构建编码器提取文章及对应评论的语义特征并映射到同一语义空间,并通过注意力机制加权融合语义特征;其次,通过基于公共情感分类器与情感词典共同构建的情感提取网络提取文章与对应评论的情感特征;最后,将语义特征与联合情感特征融合后输入到两个共享损失函数的分类器中,分别得到谣言检测和联合情感检测的分类结果.实验结果表明,多任务模型的效果强于单任务模型,在公开的中文Weibo-16数据集、英文Twitter-15数据集上相较于对比方法中最好的方法,提出的模型在准确率上分别提升了3.5和2.9个百分点,F1值提高了3.1和3.9个百分点.

用户认知视角下的产品设计方法研究

目的为提高用户认知与产品映射关系的明确性与有效性,提升产品使用过程中用户认知的满意度。方法从用户认知视角出发,结合信息加工模型,集成认知任务分析方法与结构方程模型,解构用户认知与产品体验的映射关系,构建用户认知视角下的产品设计方法流程。结果以老年代步车作为设计研究对象。首先,通过认知任务分析方法明确产品“认知任务—认知路径—设计要素—产品体验”的设计分析流程;其次,引入结构方程模型以确定代步车设计要素权重,识别不同产品体验中的关键设计要素;最后,结合用户人群需求,进行设计决策和方案细化。结论该方法可识别用户对产品的关键认知触点,减少用户认知在设计创造过程产生的“黑箱”,帮助设计师确定用户认知与产品体验之间的建构路径,为设计师在具体的实践活动中提供明确的设计依据,丰富了认知心理学在设计领域的实践研究。

“预加载”式用户进度指示器对 任务完成率和用户满意度的影响

目的通过控制用户进度指示器的呈现方式,探究不同类型进度指示器对任务完成率和用户满意度的影响。方法招募120名被试完成无意义音节记忆任务,自变量为用户进度指示器类型(无/标准/预加载式/附加文字参照的预加载式),因变量为任务完成率和用户满意度,进行模拟情景下的用户体验对比试验。结果(1)相较于无进度指示器和标准进度指示器,预加载式进度指示器能显著提高任务完成率和用户满意度;(2)附加文字参照的用户进度指示器会显著提升用户满意度而对任务完成率的影响不显著。结论界面设计中可采用附加文字参照的预加载式进度指示器来提升任务完成率和用户满意度。

Task analysis approach based on perceptual control theory

Based on perceptual control theory,a task analysis approach is proposed to describe more accurately user tasks in dynamic environments,which is of more powerful and flexible descriptive ability. Theoretically,a task meta model is established to describe the interactive process in an individual,dynamic,and flexible way.Methodologically,an implementation framework is illustrated to map the user-oriented description into implementation-oriented models,which will be as a technical tool to transform from a task model to a user interface prototype.

任务可视化调度与分配在发电厂信息化管理中的应用分析

文章着眼于发电厂信息化管理系统的设计与实现,通过考虑定期工作、临时工作、检修任务和巡检任务等多方面需求,构建了一个集成化的信息化管理系统。在系统设计中,特别强调了数据库设计与管理模块的重要性。在任务可视化调度与分配的具体实现中,综合考虑了任务的紧急度、重要性和剩余时间等因素,使得系统能够根据实际情况合理安排任务的优先级,从而提高任务调度的灵活性和智能化。通过合理的用户交互设计,简化了操作流程,提供了直观的界面,使得管理人员能够迅速理解系统功能。分析发现,应用后用户满意度最高达到10分。任务可视化调度与分配为提高生产效率、降低管理成本提供了可行的解决方案,对发电企业具有实质性的推动作用。

基于动态兴趣传播和知识图谱的推荐方法

知识图谱推荐作为一种信息过滤方法被广泛应用于电子商务和网络社交等领域,然而多数基于知识图谱的推荐方法未采取合适的策略来解决传播过程中实体语义关联性衰减问题,且单维度建模无法利用知识图谱同时丰富用户和项目表示。针对以上问题提出一种基于动态兴趣传播和知识图谱的推荐方法(recommendation method based on dynamic interest propagation and knowledge graph,RDPKG)。首先,通过传播网络挖掘层级用户兴趣生成用户表示,并采用注意力机制区分不同传播层数下用户兴趣的重要性;然后,通过交叉压缩单元提取知识图谱中的有效信息生成项目表示,并采用多任务学习优化推荐单元和知识图谱嵌入单元;最后,将最终的用户表示和项目表示内积获得交互概率。在推荐系统领域的3种公共数据集上进行对比实验,实验结果表明在点击率预测任务中RDPKG的准确率分别达到85.42%、76.09%和69.39%,优于其他对比方法,充分验证了RDPKG方法的有效性。

云边端协同下多用户细粒度任务卸载调度策略

为了解决当前处理多用户应用程序效率低下、密集网络资源利用率低及系统花费成本高等问题,提出了一种云边端协同下多用户细粒度任务卸载调度方法。该方法联合考虑了时延、能耗和服务器租用成本,先划分应用程序任务并设计子任务优先级,然后提出了多用户子任务调度方案,设计了一种改进的模拟退火粒子群算法求解最小系统总成本,从而实现最佳卸载决策。实验结果表明,所提方法相较于粒子群和模拟退火二元粒子群等其他方法,分别降低了至少12.28%和7.42%的总成本。

基于fsQCA方法的车载多屏信息系统交互设计

文章基于模糊集定性比较分析法,对车载多屏信息系统用户体验影响因素进行构型分析,提取影响驾驶体验的交互设计特征。通过用户测试,在驾驶情境下测试12项非驾驶相关任务,任务完成后对用户进行满意度调研及非结构性访谈,探索不同设计特征的组合对驾驶体验的影响。研究发现并实践了3条提升用户满意度的设计特征组合,结果显示车辆控制类低频需求任务效率提升能有效提升满意度,抬头显示器对提升媒体娱乐类任务的用户体验具有关键作用。

考虑云制造服务协同的多用户任务调度优化

云制造系统中有各种不同的分布式制造服务,而以往对制造服务调度的研究忽略了服务提供企业间的协同效应。为考虑云制造服务社会属性对服务协同的影响,从合作与竞争的角度建立了云服务间协同效应的测度模型。进而,以最大化平均用户满意度及最大化云服务协同效应为优化目标,构建了双目标云服务选择与调度模型。基于灰狼优化算法设计了一种灰狼优化模拟退火混合算法(GWO-SA)对该模型进行优化求解。使用算例进行测试并与其他多目标优化算法比较,仿真结果表明了该模型的有效性和GWO-SA算法的高效性。

从“探索”任务入手解读《IFLA图书馆参考模型》

《IFLA图书馆参考模型》(IFLA-LRM)设有查找、识别、选择、获取、探索五项用户任务,其中“探索”是一个崭新的、重要的任务。结合信息搜索研究领域的热点理论“探索式搜索”,可以区分IFLA-LRM的两类用户任务“查找式搜索”和“探索式搜索”,从而理解“探索”这一用户任务之于IFLA-LRM的重要意义和驱动作用。以“探索”为钥匙,分析IFLA-LRM对实体、属性和关系的设计,有助于理解IFLA-LRM融入关联数据网的建模宗旨。IFLA-LRM的落实,有赖于RDA、BIBFRAME的更新;在现有MARC格式下,应转换编目思维,重视“探索”任务从而透彻理解关联数据化字段,为BIBFRAME取代MARC做好准备,迎接书目从数字化走向数据化的趋势。

基于多维融合特征和卷积神经网络的多任务用户短期负荷预测

针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法。首先,基于聚类技术实现多任务学习中相关任务的选择;其次,为每一类用户群构建多维融合输入,合理有序容纳多个任务的特征,避免维度爆炸和信息混乱;最后,分别为每一类用户建立以卷积神经网络为共享层的多任务预测模型,学习共享特征,并行输出相应类中全部用户的负荷预测值。基于爱尔兰能源监管委员会提供的智能电表实测数据进行算例分析,结果表明,该方法在提高整体运行效率和平均预测精度方面均取得良好成效。

边缘计算中利用改进型遗传算法的任务卸载策略

提出一种基于改进遗传算法(Improved Genetic Algorithm,IGA)的边缘计算任务卸载策略。针对边缘计算系统包含大量ECN(Edge Computing Node)和用户且任务具备结构化的特性,构建系统模型,并且详细分析用户延迟与能耗成本。将系统中的任务卸载决策转化成以成本最小化为优化目标的完全多项式非确定性(NP)问题。使用IGA求解NP问题,实现任务的高效卸载,其中使用整数编码、基于知识的交叉、种群分割的变异等操作提高算法的寻优能力。基于Python平台对所提策略进行实验论证,结果表明,种群数量设为35、迭代次数为350时,IGA的性能表现最好,且所提策略在用户设备总成本、ECN资源利用效率、执行时间等方面均优于其他对比方法。

基于知识图谱的海洋数值预报数据推荐算法

为解决海洋数值预报研究人员面对复杂多样的研究任务时难以及时准确地从种类繁多的海洋数值预报数据中找到所需数据的问题,提出基于知识图谱的海洋数值预报数据推荐算法。利用海洋数值预报文献提取研究任务及海洋数值预报数据构建知识图谱,基于知识图谱计算海洋数值预报数据实体之间的相似度,同时融合在研究人员用户行为下海洋数值预报数据的相似度,进行排序选取相似度较高的海洋数值预报数据进行推荐。实验结果表明,推荐精确率及召回率分别为67.14%、62.49%。

工作与学习任务使用情境下的用户评论行为研究——以“企业微信”和“学习通”为例

[目的/意义]探讨工作与学习两种任务使用情境下移动APP用户的评论行为特征,可为丰富和拓展任务使用情境与用户评论行为研究提供理论和实证参考。[方法/过程]基于企业微信与学习通两个平台的用户评论数据集,结合定量分析方法从数量分布、主题、关键词共现和情感比较分析工作与学习使用情境下用户评论行为的特征和规律。[结果/结论]任务使用情境下用户评论和评级的数量主要集中在一星级和五星级,用户的体验感差异较为明显。应用场景是用户最关注的主题。软件功能和性能以及信息管理问题是影响用户体验感和评级行为的主要因素。用户评论情感整体呈现消极性,存在矛盾性评论和评级行为。

基于双输入和BiLSTM-MHSA的评论文本方面情感分类方法

【目的】针对方面情感分类输入类别在不同领域之间差异较大,汽车用户评论文本语义信息不全,语义特征难以提取等问题,提出基于双通道输入的并行双向编码表征(bidirectional encoder representation from transformers,BERT)双向长短期记忆多头自注意力模型的方面情感分类方法。【方法】首先采用了方面情感和方面抽取的双重标签进行标注;其次通过并行的方面抽取和方面情感分类任务通道,分别使用BERT、双向长短期记忆网络(bidirectional long and short-term memory networks,Bi-LSTM)及多头注意力机制(multihead self-attention,MHSA)提取更深层次的语义信息及近距离和远距离特征信息;最后采用条件随机场(conditional random field,CRF)分类器和Softmax分类器进行分类。【结果】在相关的汽车用户评论文本数据集和多语言混合数据集上,本研究提出的模型相较于主流的方面情感分类方法,具有同步抽取方面词和判断情感极性的能力,且有效提高了方面词抽取和方面情感分类的准确率和F_(1)值。【结论】本研究提出的模型更有利于汽车销售者分析用户评论,同时对识别用户评论文本的情感极性的研究也有一定的参考价值。

改进判别式深度Dyna-Q的任务对话策略学习方法

作为任务型对话系统中的关键一环,对话策略可以通过判别式深度Dyna-Q框架训练得到。然而,该框架在直接强化学习阶段采用原始的深度Q网络方法学习对话策略,在世界模型方面采用多层感知机作为模型的基本结构,导致对话策略的训练效率、性能和稳定性降低。本文提出了一种改进判别式深度Dyna-Q的任务对话策略学习方法。在改进后的直接强化学习阶段,利用噪声网络改进了智能体的探索方式,同时将竞争网络的双流架构、双Q网络与n步自举法三者相结合,优化了Q值的计算过程。在世界模型方面,设计了一种基于软注意力的模型替代多层感知机结构。实验结果表明,本文提出的方法在对话成功率、平均对话轮数以及平均奖励3个指标上均优于现有的最佳结果,最后本文通过消融分析和鲁棒性分析,进一步验证了方法的有效性。

暗网网页用户身份信息聚合方法

暗网网页中用户身份标识信息的分布呈现出稀疏、不规律的特点,当前主流的信息聚合技术无法直接应用于该场景。提出一种基于共指关系抽取的用户身份信息聚合模型,该模型输入一对用户身份信息及其上下文语境,返回该信息对是否包含共指关系,并且构建相应的用户身份信息数据集用于聚合实验。为进一步提升模型的识别能力,在基线模型的基础上引入实体类别信息,提出实体类别敏感的共指关系抽取模型。针对暗网中通过某些身份类别信息无法获取足够多训练样本的问题,引入少样本学习任务,构建基于多任务的低资源条件下用户身份信息聚合模型。实验结果表明,在低资源条件下,经过优化的聚合模型F1值达到87.03%,较基线模型提升11.98个百分点。

CSCW集成系统中用户权限安全管理方法的研究

在计算机支持协同工作的系统中，关键的技术问题之一就是用户权限的管理。系 统中的任何用户的操作权限都是不完全一致的。因此，文章陈述了通过实际工程项目的设 计 和开发获得的一些经验，创新地提出了一种适用于各种CSCW环境下的、兼具实用性与灵 活性 的用户权限管理方法，以及用该方法来构筑CSCW环境的设计思路。这种权限管理方法 从任务 处理单元和数据信息两个方面对用户的访问权限进行了控制，极好地支持了有协同 工作需求 的企业管理业务的完成。更主要的是使系统满足了企业管理创新的组织结构柔性 化和管理组 织结构正在变"扁"变"瘦"的需要。

基于任务的个性化信息检索用户模型

文章在综述用户模型的获取、组成、构建3个方面研究的基础上,以用户的任务为出发点,构建基于任务的用户模型,并阐明该用户模型的构成。文章指出未来需解决的关键问题,以更好地支持个性化信息检索的实现。