基于事件-时间关联模型的话题跟踪研究

针对话题跟踪的任务是从时序新闻报道流中实时识别和挖掘相关于特定新闻话题的报道,本文提出一种事件-时间关联模型(EventTime Relation Model,ETRM)用来展开话题跟踪研究。ETRM将相关报道的时间属性引入向量空间模型,话题跟踪过程中将话题与相关报道相同特征项的时间相关度应用于相关性判定机制,同时基于时间的分布属性调整特征向量的权重分配,实现话题模型的自适应学习更新。实验采用DET曲线评测系统性能,结果显示相比于传统的话题模型,ETRM能够更加准确地追踪到话题焦点演化趋势,有效提高了话题跟踪系统的性能。

一种多向链路感知的车载Ad Hoc网络传播协议

为了提高车辆自组织网络(Vehicular Ad Hoc Network,VANET)的数据传输效率,并使车辆间的数据通信能够持续进行,提出一种多向链路感知的车载Ad Hoc网络传播协议。为了保证车辆节点在执行通信任务的过程中实现数据的持续传输,防止通信链路频繁断连影响传输质量,提出了车辆网络的时间关联模型来讨论车辆间的速度差与通信持续时间的关系。为了缩短VANET中用于数据传输任务的总时间,协议基于改进蚁群的方法进行了多向链路感知,从而寻找在保证通信需求时间下的最短传输路径。实验结果分析表明,相比基于改进地理信息路由和基于优化链路状态路由的VANET数据传输算法,该算法的数据传输任务完工时间分别缩短了38.4%和27.3%,平均传输延迟分别降低了25.5%和12.1%。