基于平衡兴趣树的P2P空间数据服务调度

构建空间信息网格要求解决海量地理空间数据传输问题,通过分析空间数据服务特征,对空间数据设计了多级网格索引,利用P2P技术设计了基于平衡兴趣树的空间数据服务网络模型。算法按peer兴趣区对申请空间数据服务的peer进行组织,将peer间路由关系动态组织成一种新的拓扑结构——平衡兴趣树。算法可动态维护网格热度表中数据块的热度,通过热度表可快速发现网格数据块在P2P网络中的位置并下载,从而减轻了空间数据服务器压力,提高了服务效率。

一种无结构P2P系统中基于层次兴趣树的语义检索机制

提出了一种无结构P2P系统中有效的语义检索方法:基于层次兴趣树(HIT)的语义检索。每个节点中所有的文档根据分类目录被分类成层次兴趣树,并发送至该节点所属的超级节点。同时,每个类中前n个关键词的倒排文档索引,也会依据它们的χ2统计值被发送至超级节点。当节点发送一个查询并给出类别语义相似性阈值Simth时,查询消息通过一个有效的查询路由算法被转发,结果则通过搜索HIT返回。不同的节点可以给出各自不同的Simth,其灵活性可以为每个节点提供更好的个性化服务。实验表明在无结构的P2P系统中,基于HIT的语义检索方法比以前的方法具有更好的准确性和有效性。

个性化搜索引擎中用户兴趣模型的构建方法

在分析个性化搜索引擎的基础上,提出一种构建用户兴趣模型的方法.该方法综合考虑用户注册兴趣及浏览行为,将用户兴趣分为长期兴趣和短期兴趣并通过兴趣树进行存储.遗忘机制的引入保证模型能够及时准确地反映用户兴趣.模拟实验表明,本文提出的用户兴趣模型能够有效地提高检索效率,使搜索结果更好地满足用户个性化需求.

基于PLSA方法的用户兴趣聚类

为了在个性化搜索过程中能够准确地挖掘到用户的潜在兴趣并进行相应的聚类分析,提出采用潜语义空间的Zipf分布的特性,并结合PLSA(概率潜在语义分析)来获取全文的语义.即先通过Zipf分布原理找到文档的潜在语义空间,在此空间中对用户的兴趣进行聚类,并建立用户兴趣描述文件(user profile),即建立用户兴趣层次树.实验表明,所提出聚类算法的聚类效果明显优于传统的VSM(向量空间模型)的聚类效果,同时,在著名的CTI数据集上的个性化推荐实验结果也充分说明基于潜在语义空间构建的用户兴趣描述与用户真实兴趣相符合.

基于用户兴趣子类的协作推荐算法

随着电子商务规模的进一步扩大,用户数目和文档资源急剧增加,导致用户数据的极端稀疏性。传统协作推荐算法都无法很好地解决数据稀疏性问题。本文提出一种基于兴趣子类的协作推荐算法,通过子类处理思想的引入,使得某两个用户即使整体不相似而因为“局部点”的相似产生有用的推荐,“最近邻居”的发现变得更容易更准确。实验结果表明,该算法能有效地解决用户数据的极端稀疏问题,在同等条件下,相对于传统协作推荐算法有更好的推荐质量。

社交网络中模块关系树的相似性算法的研究

提出一种基于模块关系树的分析方法,考虑每个实体与用户之间的兴趣、住址和共同好友等相关因素,制定不同的关系树,然后根据路径长度计算各因素的相关度值,最后综合每个实体模块,从而筛选出关系最密切的实体。实验结果证明,该算法能过滤掉大量无关信息,有效找出最相关的实体,提高了搜索结果的准确率。

基于Rough集方法的Web网页智能搜索

智能化搜索是当今商务网站制作搜索引擎的一个发展方向 ,它的特点就是迎合每个用户的兴趣 ,将尽量精确的有关网页页面展现在用户面前。粗糙集理论是一种处理含糊和不精确性问题的新型数学工具 ,特别对于数据挖掘和知识发现更是提供了一个完备的理论基础。本文首先对Rough集理论中上、下近似集和近似精度的基本概念进行了描述 ,然后引用了Rough集中的上、下近似集及其近似精度的理论 ,利用简化的WWW模型 ,将所搜索到的网页形成一棵用户兴趣树 ,再对此棵树上的网页结点进行约简 。

一种新的配电网故障恢复算法及其改进

当配电网中某运行设备发生故障并切除后，会引起一些负荷失去供电，此时需要快速有效地寻找恢复供电路径．文中介绍的算法根据配电网的辐射状结构特征，把电源点和失去供电的负荷点看作“兴趣点”，把寻找供电路径转化为求解给定图的“兴趣树”，从而简化了问题．计算结果表明，经多方面的改进后，算法更加快速有效，在配电系统自动化高层软件开发中，有在线应用前景．本算法适用于负荷集中的１０ｋＶ以上配电网．

增量式规则获取方法在个性化服务中的应用

基于规则的个性化服务技术具有简单、直接等优点,但及时更新规则库比较困难。将基于规则树的增量式规则获取方法应用于个性化服务技术中,在保证规则质量前提下,大大缩短了学习时所用时间,能及时更新规则库。通过实验验证了该方法是可行的有效的。

个性化推荐服务中用户兴趣模型研究

本文提出了一种利用用户浏览页面集的内容信息和浏览行为信息,隐式地创建用户兴趣描述文件的方法。通过对用户浏览的web页面进行兴趣度分析,并与对用户浏览网页时的浏览行为分析相合,得到了用特征矩阵表示的用户兴趣模型。并采用层次聚类算法和k-means聚类算法相结合的综合聚类算法进行聚类,得到用兴趣分类树表示的用户兴趣模型。由于采用的是隐式创建用户描述文件的方法,减少了因用户参于而带来的系统噪声,保证了所创建的用户兴趣模型的准确性。