对等网络中基于位置信息和文件流行度的自适应复本管理算法

文件共享服务是对等网络中的一个重要应用,数据传输速率逐渐取代响应延迟成为影响用户体验的首要因素.文中研究了对等网络中的副本管理算法,这对于提高对等网络应用的可靠性,降低带宽消耗具有重要的意义.为了在广域网络存储系统中加速文件共享并降低网络带宽消耗,文中提出了PLAR(Popularity and Locality-based Adaptive Replication)算法.PLAR采用了基于位置信息和流行度的复本管理算法,该算法还同时引入了混合式的服务器选择策略以及远程增强策略.PLAR算法在文中的Granary对等广域网存储系统中得到了实现.实验表明,通过PLAR算法下载速率平均能提高60%以上,有效提高了共享速度并减少带宽消耗.

政协提案的机器学习查重方法研究

本文从政协提案初审时的查重需求出发,采用了以句子为特征撷取单位并选择句子中权重较高的词汇作为该句子的特征,从而得到提案文件的特征向量.研究以机器学习中的支持向量机来训练分类器,根据训练样本训练分类器,输入分类器的数据为比较的提案文件的相似度向量,最后判断相关的提案文件是否为近似复本文件关系.解决了提案查重的实际问题.