一种基于动态步长的微博搜索排序算法

微博搜索主要是计算文档与查询词之间的相关性,通过统计方法确定词量的权重,再用向量空间模型计算相关度.然而使用词量搜索方法,搜索精度并不高,检测到某条微博的信息含量有限,难以保证用户查询的关注度.针对这一问题,提出基于动态步长的微博搜索排序算法.该算法的主要实现过程:首先对微博已有的特征进行分析,然后用信息熵的方法计算微博信息含量,不使用词量为计算单位,而以词性为单位计算微博的相关度.最后把动态步长加入到List Net排序算法中,并用Armijo-Goldstein准则对步长进行优化.通过仿真实验表明,本算法排序效果更优.

新浪微博搜索排序方法研究

深入讨论了基于向量空间模型以及基于潜在语义分析的微博搜索排序算法,以新浪微博为例,通过建立实验系统,利用新浪微博公共开放平台提供的API获取实验数据,通过一个实验样例阐述向量空间模型和潜在语义分析的处理过程。新浪微博现有排序方法通常不能提供按照相关性排序的满意结果。利用向量空间模型以及潜在语义分析方法,构建"索引词-博文"矩阵,对博文进行分词和向量化。衡量博文和查询的相关度转化成计算博文向量和查询向量之间的相似度。把对博文和查询的处理简化为向量空间中向量的运算。由实验得知基于潜在语义分析的微博搜索排序算法有效地提高了博文的检索效率。

一种基于BP神经网络的新浪微博实时搜索排序算法

新浪微博是一个热门的社交平台,2012年底注册用户已经超过5亿。因此它和一般的网络应用一样存在信息爆炸的问题。提出一种基于神经网络的算法来将用户的实时搜索结果进行排序,以达到给出用户最感兴趣的信息。一系列实验结果证明该方法在一定范围内是有效的。

基于时间序列模型商品搜索排序

电商商品搜索引擎目前大多都是基于用户浏览行为与购买行为来建立搜索因子,通过这些因子计算出商品分地区的排序分值进行排序。然而这些行为数据都是属于历史数据。搜索的结果都是基于历史数据的分值计算没有前瞻性。特别对于换季商品使用该方式计算出来的搜索结果不佳,转化率不高。提出一种基于时间序列的分析方法,对部分的搜索因子采用预测数据来计算分值,以满足商品搜索中某些具有周期性季节性商品的合适排序。

基于区块链的属性基多关键词排序搜索方案

对云数据进行访问控制能够限制非法访问、提高数据隐私安全,属性基可搜索加密是实现数据细粒度访问控制的关键技术之一。针对云数据访问中单一授权性能瓶颈、搜索功能局限等问题,提出一种基于区块链的属性基多关键词排序搜索方案。该方案采用多授权机制降低了系统计算负担,同时将属性基可搜索加密技术与区块链技术相结合,实现了云数据的细粒度访问控制与公平搜索;此外,引入向量空间模型和TF-IDF加权技术实现了多关键词搜索结果排序,提高了搜索效率。安全性分析、性能分析表明,该方案能够抵抗选择明文攻击和关键词猜测攻击,并具备较低的通信和计算开销。

基于VSM和LSA的微博搜索排序方法研究

为研究基于向量空间模型以及基于潜在语义分析的微博搜索排序算法,以新浪微博为例,通过建立实验系统,利用新浪微博公共开放平台提供的API获取实验数据。研究利用向量空间模型以及潜在语义分析方法,构建"索引词-博文"矩阵,对博文进行分词和向量化。衡量博文和查询的相关度转化成计算博文向量和查询向量之间的相似度。使用博文向量和查询向量之间的夹角余弦值来计算它们之间的相似度。把对博文和查询的处理简化为向量空间中向量的运算。由实验得知基于潜在语义分析的微博搜索排序算法有效地提高了博文的检索效率。

加密云数据下基于Simhash的模糊排序搜索方案

为了保护数据隐私,数据拥有者会将敏感数据的密文外包到云服务器,这使得传统明文搜索技术难以使用.因此可搜索加密技术被用于对密文数据进行搜索,实现高效的数据利用.然而目前在加密云数据中,关键词模糊搜索方案主要是通过构造关键词模糊集合来实现,其需要大量的计算和存储开销.本文提出的搜索方案,无需构造关键词模糊集合,而是基于Simhash的降维思想,将文档关键词做n-gram处理并得到Simhash指纹来实现模糊搜索.该文结合汉明距离和关键词相关度分数,设计了双因子排序算法对查询结果进行排序.使用树索引结构和新型遍历方法进一步提高了搜索效率.通过新型遍历方法,即使树的节点值与期望值不相等,也能够对树进行遍历.理论分析和实验结果表明:该方案实现了加密云数据下的关键词模糊搜索,同时极大地节约了时间和空间成本.

多工序车削的自适应搜索非支配排序遗传算法

在实际数控生产加工过程中,切削参数的优化对于保证加工质量、提高生产效率和降低加工成本具有非常重要的意义。为计算以单位生产成本最小为优化目标的多工序车削非线性优化模型,在NSGA-II算法基础上提出了一种新的自适应搜索非支配排序遗传算法(ASNSGA)。多工序车削加工实例结果表明,与模拟退火算法(SA/PA)、分散搜索算法(SS)及浮点编码遗传算法(FEGA)优化算法比较,自适应搜索非支配排序遗传算法得到最低的单位生产成本,有助于数控加工中粗车进给量、粗车切削速度及精车进给量、精车切削速度等切削参数的优化选择。

基于k-mean聚类算法的加密云数据排序搜索仿真

密钥加密索引向量生成加密数据索引时,会产生数据维度升高问题,导致加密云数据排序搜索时间较长,搜索结果不准确,资源利用率低。为此提出基于k-mean聚类算法的加密云数据排序搜索方法。采用k-mean聚类算法对加密云数据进行预处理,选取质心点,并对数据点进行重新聚类,计算出最新的质心点;根据获取的数据聚类结果,选取文档中具有高代表性的关键词作为文档的索引,同时引入加密搜索插件,对索引向量进行维度缩减,使其在检索时形成和用户检索相关的文档摘要,从而能够发送摘要供用户选择目标文档,得到排序搜索结果,实现加密云数据排序搜索。仿真结果表明,所提方法的搜索结果准确率较高,能够有效提升资源利用率,缩短搜索时间。

加密云数据上支持可验证的关键词排序搜索方案

随着云计算的日益普及,越来越多的用户通过云来存储数据,从而降低本地数据存储和管理的成本。为了保护隐私性,敏感数据在上传到云之前需要进行加密处理,这势必降低数据的利用率,使得数据搜索变得困难。执行搜索操作时,还要根据查询关键词与文件之间的相关度,返回相关度较高的文件。此外,为了防止云服务器返回错误的搜索结果,需要支持对搜索结果的可验证。针对以上问题,文章提出一种支持可验证的关键词排序搜索方案。该方案基于向量空间模型和TF×IDF模型构造索引向量和查询向量。采用基于树的索引结构,利用深度优先搜索算法和剪枝策略实现关键词排序搜索。文章设计了基于MAC的可验证机制来验证返回文件的正确性。安全性分析和性能分析表明提出的方案是安全高效的。

区块链上基于B+树索引结构的密文排序搜索方案

为了克服云存储不可信及云存储中密文检索效率低的问题,该文提出区块链上基于B+树的密文排序可搜索加密方案。该方案结合区块链技术解决了在互不了解的多方建立可靠信任的问题;使用向量空间模型降低了文本的复杂性实现了高效的文本检索系统;采用B+树的索引结构提高了区块链上密文交易的检索速度;利用加权统计(TF-IDF)算法实现了多关键词查询结果的排序。在随机预言机模型下,证明该方案是适应性不可区分安全的,通过效率对比分析,表明该方案在区块链上实现了高效的密文检索。

基于卷积神经网络的微博话题内容搜索方法

针对由于微博文本的数据特性造成的传统信息搜索方法无法直接实现微博话题内容搜索的问题,提出了一种基于卷积神经网络的微博话题内容搜索方法,对微博安全话题内容进行搜索和匹配排序。该方法包括基于深度卷积神经网络的微博内容筛选和微博内容匹配两部分。微博内容筛选依据深度卷积特征表示进行微博内容筛选,微博内容匹配通过卷积特征非线性变换对筛选结果进行匹配排序。微博内容筛选和微博内容匹配对国民安全话题相关的微博文本内容局部特征进行处理,对筛选结果进行相似度计算从而实现相似度匹配。实验结果表明该方法在微博搜索性能上优于现有同类方法,并验证了所提出方法针对安全话题的微博文本内容搜索的有效性。

个性化搜索中隐私保护技术的探讨与研究

从用户个人信息的搜集、用户描述文件建立、搜索结果排序和系统评价四个方面详细阐述了个性化搜索技术并比较分析了不同技术的优缺点,从防止未经许可的数据访问和保护发布数据的安全两个方面介绍了隐私保护技术的研究状况,并分析了目前个性化搜索中隐私保护技术的研究成果及其存在的局限性,最后归纳出需要进一步解决的问题。

支持结果排序的安全密文检索方法研究

越来越多的企业和个人用户将数据部署到低成本、高质量的云存储中。为了保护敏感数据,用户在部署前会对其进行加密处理,但海量的加密数据给检索工作带来很大挑战。文中将传统的倒排索引结构改造成密文倒排索引,并在密文倒排索引上构建计数布隆过滤器,进而提出了基于计数布隆过滤器的密文安全索引(SICBF),其在保证隐私安全的前提下实现了对密文的快速检索。为减少SICBF索引中的数据冗余,设计了计数布隆过滤器的剪枝算法。为保护密文倒排索引中相关分的隐私安全,采用一对多保序加密机制(OPME)对相关分进行加密,并在密文相关分上对检索结果直接进行排序,将最相关检索结果top-k返回给授权用户。安全分析表明,不同于原始数据分布,OPME算法加密后的相关分分布隐藏了数据的峰值,能防止针对相关分的统计攻击。实验结果表明,SICBF的检索效率高,计算量小,适用于海量加密数据文件的快速安全检索。

一种新的基于用户交易记录的个性化搜索方法

本文针对B2B领域的用户搜索排序提出了一种新的方法,实现基于用户交易记录的个性化搜索排序。利用用户历史交易记录构建交易有向图,根据有向图构建转移矩阵,利用Pagerank~1网页重要度传递思想计算商户的可信度。用户的搜索根据模糊匹配得到初步结果,根据商户可信度与用户偏好进行排序,即可得到搜索结果。另外对转移矩阵增加了回馈系数和修正系数,可以有效地防止B2B商家为了高信用度而进行相互刷单交易行为。

基于链接结构的PageRank排序算法研究

Web挖掘是知识时代人们对于从海量信息中获取知识的需要。基于链接结构的搜索排序算法是Web结构挖掘技术的产物。搜索引擎将PageRank值与网页搜索结果相似度共同作为搜索结果的排序依据。该值仅依赖于网络的链接结构,而与具体的检索内容无关。无论得到多少的检索语句,PageRank也是一定的、文件固有的评分量。

基于用户反馈的POI搜索引擎优化研究

随着互联网经济的迅猛发展,PO(IPoint Of Interest)搜索成为空间信息服务业发展的核心技术之一。提高用户满意度无疑是POI搜索引擎的最终目标。通过挖掘用户访问日志,建立反馈相似度模型,可提高搜索结果准确度,优化POI搜索引擎。通过理论分析,该方法在不增加计算时间的基础上提高了搜索结果的准确性。最后将该方法应用于中国科学院计算技术研究所地理信息中心自主研发的通图(www.tongmap.cn)地图搜索引擎中,结合实际数据测试,说明该方法在优化POI搜索引擎方面是行之有效的。

基于改进引力搜索算法的铣削加工参数低碳建模及优化

针对数控机床铣削加工特点,考虑刀具寿命、加工表面质量、切削速率和铣床工艺性能等条件,以铣削加工过程中的单位体积碳排放、单位体积生产成本和加工时间为目标,以切削速率、每齿进给量和切削宽度三参数为优化变量,建立了铣削加工参数多目标优化模型,并提出了一种改进的非支配排序引力搜索算法对该多目标模型进行求解。在所提出算法中采用精英保留策略和位置更新回退操作,引导群体质点向真实Pareto最优解集区域靠近。在遗传算法的交叉操作启发下,提出精英精英交叉策略和精英非精英交叉策略,增加了群体多样性。最后与原始非支配排序引力搜索算法和教学优化算法进行对比,验证了所提改进算法的优越性和可行性。采用灰色关联度法在获得的Pareto最优解集中选择满意解,为面向绿色制造的切削参数优化提供了一种新的思路。

云上多数据所有者的安全密文搜索技术

随着网络储存服务的发展,越来越多的企业和个人选择把本地复杂的数据管理事物外包给第三方服务器。这种情况下,为了保护信息的隐私性,企业和个人会在外包之前先对数据进行加密。研究怎样利用已经趋于成熟的明文检索技术,设计适用于密文的检索技术,是现在可搜索加密技术研究的热点。本文采用"坐标匹配"的方法度量搜索请求和数据文件相关关系,利用安全内积计算技术,定义和解决了云上多数据所有者多、关键词的安全排序搜索问题。并且,通过仿真实验,分析了不同参数变化对效率的影响。

基于G.729的快速固定码书搜索算法

共轭结构代数码激励线性预测编码算法(Conjugate-Structure Algebraic-Code Excited Linear-Prediction, CS-ACELP)的固定码书搜索算法通过嵌套循环计算出码书矢量,这个算法的重要缺陷是嵌套循环深度大,时间复杂度高,计算量大.在重排序搜索(Reordering Search Sequence)算法的基础上,对搜索结构进行改进.将预搜索部分获得的组合脉冲直接用于下一步的全搜索,将嵌套循环的深度由4层降至2层,降低时间复杂度和计算量.并且与固定码书搜索的几个经典算法相比,搜索次数减少了30%到98%不等,同时具有优于G.729A算法的优越编解码音质.