分布式并行安全操作系统的用户一致性算法

在基于Linux内核的分布式并行安全操作系统中,由于没有全局一致的用户鉴别和访问权限管理机制,对系统的安全带来危害。该文在对用户权限验证机制进行分析的基础上,给出了由全局同步算法和用户信息一致性协议组成的实现用户一致性的算法。通过测试表明该算法可以有效地保证系统的用户一致性。

基于信息熵和用户行为一致性的协同过滤分组推荐

在仅以输入评分矩阵作为唯一算法输入的协同过滤推荐算法研究中,针对数据的质量不同带来的差异性对推荐结果的影响这一问题,包括对数据质量方面的重视与关注、如何刻画质量差异性以及如何针对不同质量数据的用户组别进行分组推荐建模等问题。提出针对数据质量的刻画,综合考虑用户行为一致性和用户信息熵两个指标对数据质量进行评价并对用户进行分组。对于不同组别的用户在分析其历史行为的基础上可以进行更精准的推荐建模。实验结果表明,数据质量的差异性确实对推荐精度的提升有着重要的影响,同时论证了对用户进行分组推荐的必要性。实验结果同时表明,运用用户行为一致性和用户信息熵两个指标的综合刻画带来的精度提升效果最为显著。

第14届全球一致性测试用户大会落幕

近日，罗德与施瓦茨公司（R＆S）在北京举办了第14届全球一致性测试用户大会。来自国内所有GCF，PCTRB认可实验室，国内知名的手机生产商，以及来自韩国、印度、加拿大等国家和我国台湾地区的知名手机认证测试实验室的代表应邀出席了为期两天的研讨，利用这一定期的交流平台，分享一致性测试领域的最新动态和R＆S公司在解决方案方面所取得的最新进展，以及同行的经验。

面向社会事件的半监督自训练多方立场分析

已有的立场分析方法主要采用有监督或无监督方式训练立场分类模型,有监督模型训练通常需要大量有标注数据支持,而相比有监督模型,无监督模型的性能差距较大.为了降低模型训练对有标注训练数据的要求,同时保证模型性能,文中面向社会事件相关的社交媒体文本,提出半监督自训练多方立场分析方法.对于自训练方法,在模型迭代训练过程中,选择高质量样本加入训练集合,对提升模型性能起到关键作用.为此,文中方法首先根据用户立场一致性度量文本的分类置信度,然后利用话题信息进一步筛选高质量样本扩充训练集合,保证模型性能不断提升.实验表明,相比相关工作中的代表性方法和其它半监督模型训练方式,文中方法能够取得更优的立场分类效果,并且方法依据的用户立场一致性和话题信息均有助于提升立场分类效果.