基于RGPS的网络化软件需求内容管理

传统的需求管理系统对网络化软件的需求管理支持不足,具体表现在自动化程度低,管理粒度较粗以及对需求过程各活动支持有限等方面.针对上述问题,基于大规模网络化软件的需求元描述RGPS(Role-Goal-Process-Service)国际标准,提出了一种基于RGPS的网络化软件的需求内容管理的层次结构,并深入研究基于关键字的倒排索引算法,基于条件随机场算法的需求实例分类以及启发式实例关联查找算法等关键技术.最后,初步实现了原型工具RGPS-GM,结合智能交通领域的按需回答案例,可视化展示细粒度检索和启发式实例关联查找算法效果,为开放式网络化软件的需求过程提供支撑服务.

一种基于AC-Bloom技术的多线程处理器数据存取队列机制设计

针对片上多线程处理器中数据存取队列的数据查找延迟和功耗问题,在传统的基于年龄编码的Bloom过滤技术基础上,对多核结构提出了年龄和计数器相结合的Bloom(AC-Bloom)过滤算法设计方案.该方案利用程序的顺序(年龄)信息设计增强的过滤算法,从而降低了存取队列的访问次数,提高过滤百分比.利用仿真器与传统的过滤算法进行了对比,测得平均可提升4.5%~13%的过滤百分比.

APP软件用户反馈分析方法技术研究与实现

仅从用户评论或APP操作行为角度分析软件用户反馈,所得结果较片面,难以令广大用户有较高的可信度。为了获取全面、综合的APP软件用户使用反馈,为开发人员提供真实有效的改进建议,文中针对APP软件用户评论与操作行为数据进行综合分析。首先,针对APP软件用户评论与操作行为数据进行预处理;然后,引入APP软件简介,通过语义相似度计算、查找用户评论与操作行为数据之间的关联关系;最后,基于二者之间的关联关系,使用数理统计的思想进行情感倾向相互验证。多批不同实验数据验证结果表明,APP软件用户评论与操作行为的关联准确率为83.03%,综合分析结果准确率为79%,能够满足实验预期的要求。通过APP软件用户评论与操作行为数据综合分析并查找二者之间的关联关系,能够得出全面、综合的APP软件使用反馈。