基于关键字关联及节点兴趣的搜索机制

P2P节点用户的搜索内容在一定程度上体现了用户的兴趣。为此,提出一种基于关键字关联和节点兴趣的P2P信息搜索机制。该机制注重关键字之间关系的学习,通过用户操作发现节点兴趣。在搜索中利用关键字的语义关系增加命中目标,提高搜索成功率。根据节点兴趣缩小搜索范围、降低搜索开销。实验结果表明,采用快速建立索引表的方法和反馈机制能有效提高搜索性能。

基于节点兴趣的非结构化P2P网络拓扑结构研究

针对非结构化P2P网络中资源搜索算法搜索效率低、冗余消息量过多等问题,结合非结构化P2P网络拓扑结构特点,提出一种基于节点兴趣的完全二叉树(CBT-BI)非结构化P2P覆盖网络拓扑结构。在兴趣相似度高的节点之间建立逻辑连接,根据兴趣相似度值在完全二叉树中按序排列;在资源搜索过程中,使用基于洪泛算法的双向资源搜索方法。仿真结果表明,该拓扑结构使得节点能在短时间内查找到有效的资源,减少查询消息量,缩短了平均路由路径,提高了资源搜索效率。

基于节点兴趣的P2P网络路由算法

传统的P2P系统普遍采用洪泛的搜索机制,定位开销很大。随着系统规模的不断增大,给网络带宽带来了严重的影响。笔者研究一种节点兴趣自适应的搜索算法,包括节点兴趣相似度评估模型、热点感知的快速路由算法等,本算法可以提高网络搜索效率。

基于节点兴趣和Q-learning的P2P网络搜索机制

将智能手机设备加入基于非结构化P2P网络的资源共享系统中能够满足人们对资源共享的多样化、便利性、高频性、实时性、高效性等要求,但是该系统网络规模的扩张和网络节点互异性的加大,必将导致系统资源搜索效率的降低、冗余信息的剧增以及网络更加不稳定。为了解决这些问题,文中设计了一种改进的基于节点兴趣和Q-learning的资源搜索机制。首先将节点根据兴趣相似度进行兴趣聚类,划分兴趣集,然后根据兴趣集中节点的能力值构建兴趣树,该结构避免了消息环路的产生,极大地降低了冗余信息;在资源搜索中,兴趣树内采用洪泛算法转发消息,兴趣树之间采用基于Q-learning的消息转发机制,不断强化最可能获取目标资源的路径,查询消息优先在这些路径上传播。另外,针对“热点”资源问题,设计了自适应热点资源索引机制,减少了重复路径搜索,进一步减少了冗余消息量;针对节点失效的问题,给出了根节点冗余机制和捎带检测的策略方法,分别解决了根节点失效和普通节点失效导致的兴趣树的不完整性问题,分析表明该方法能够减少消息冗余量。仿真实验结果表明,与GBI-BI算法和Interest CN算法相比,所提搜索算法能够提高命中率,缩短响应时间,减少冗余信息,具有较好的综合性能,最终解决了由于智能手机设备加入P2P网络导致的资源搜索效率下降、网络流量开销大的问题。

移动自组网中节点兴趣导向的人类运动模型

针对移动自组网中对人类运动情况模拟的精确性问题,提出了节点兴趣导向的人类运动模型。该模型考虑到人类对感兴趣地点的访问偏好,忽略了难以有效探测和利用的短暂相遇,设计了将人类之间的社会关系转化为节点兴趣向量的方法,并将其作为模型的输入,以此达到精确、定量地重现目标场景中的主要社会关系的效果。该模型通过直接关联节点兴趣向量值来调整节点运动,便于针对节点兴趣的路由协议研究。通过将该模型生成的模拟场景与实际运动场景的统计量分布情况进行对比,证明该模型可以生成接近于人类实际运动的数据,其中接触间隔时间和接触时长的JSD(Jensen-Shannon Divergence)偏差分别为0.048和0.014。

基于节点兴趣的P2P网络搜索策略

针对P2P网络缺乏有效信息搜索机制的问题,结合对已有的基于k-高频词兴趣相关度搜索路由算法的研究,提出一种采用k-高频集合的搜索路由算法,节点兴趣由节点所共享的资源主题的k-高频集合向量描述,同时引入知网的词汇语义相似度计算对特征项进行语义扩充,建立语义词汇集合,然后使用词汇集合代替词汇作为特征,最后采用词汇集合的余弦算法对搜索结果进行聚类,来获取相似的兴趣节点,使得节点能找到更多的资源。实验结果表明,相对于已有的搜索路由算法,改进算法能有效提高聚类结果的准确率。

服务能力感知的移动节点协作传输算法

为了蜂窝网用户能获得充足带宽,利用移动服务节点协作基站进行数据传输,以减轻基站负载,从而提高系统性能。针对无线边缘网络中移动服务节点的选择问题,提出了节点服务能力概念,综合考虑节点兴趣偏好和节点移动性来描述节点间的关联度。为了最小化系统总时延,提出了服务能力感知的移动节点选择算法。试验结果表明,该算法在时延优化方面性能比现有算法提升了30%。

结构化P2P资源搜索算法研究综述

随着P2P网络的兴起,基于对等网络的资源搜索算法成为研究的热点。通过分析现有结构化P2P资源搜索算法,着重从节点兴趣、网络拓扑匹配、异构性、负载均衡等方面讨论目前结构化P2P资源搜索的改进算法,分析了各种改进算法的优缺点,为高性能的结构化P2P搜索算法的提出奠定基础。

一种P2P网络的信息优化检索算法的仿真分析

为了解决P2P网络系统信息检索效率低、不能有效解决跨文本搜索,提出节点兴趣域聚类和信息量声誉激励的P2P网络检索机制。在该机制中,首先对网络系统中节点持有的数据信息量进行基于相似度和兴趣度阈值的兴趣域聚类;然后依据节点数据信息的声誉激励策略对兴趣相邻节点进行兴趣树构造,同时对用户输入的搜索关键字进行语义分析和个性化的辅助语义选择。将与查询信息向量最接近的节点持有信息量返回给用户,并对该数据信息量进行声誉激励评价和更新。实验仿真证明,该算法基于兴趣树的动态构造,能够避免结构化P2P网络系统对中心节点的过度依赖;同时检索的向量是基于用户个性化辅助语义生成的,能够有效地提高查询率和查准率。

基于P-范式模型的P2P网络分组查询算法

P2P系统的可用性取决于查找数据的有效方法。利用节点兴趣和节点与中心节点的通信延迟建立链接,动态分组P2P网络的节点,查询节点通过中心节点转发搜索请求给其他中心节点,中心节点收到搜索请求后,若查找资源的主题排在本组关注的前K(K一般取1～3)位,则搜索本组内所有节点。在此基础上,提出了一种基于P-范式模型的P2P网络分组查询算法。算法分析和实验结果表明该算法的性能优于MSW查询算法。

混合流媒体分发系统中多指标用户群分组算法

针对混合流媒体分发系统中服务节点提供服务时出现额外的跨地域、跨网络开销以及搜索服务节点效率低下的问题,提出一种基于多指标的用户群分组算法,并应用于服务节点选择。依次分别利用节点位置和网络类型对用户群进行分组,将候选服务节点限制在同地域、同ISP范围内,以减少不必要的跨地域、跨网络开销;然后结合节点兴趣对用户群作进一步划分,将搜索服务节点的范围限制在兴趣组内,以减小搜索流量、提高搜索效率。仿真实验表明:提出的算法能有效将用户群分组,提高分发系统服务效率。

利用知识图谱的国土资源数据管理与检索研究

针对国土资源不同数据产品间难以进行有效管理与快速应用的问题,研究利用图数据库对GlobaLand30、FROM-GLC10_2017、GLC_FCS30_2020等公开土地覆盖数据集进行语义层面的结构化存储,建立中国国土资源知识图谱。构建以行政区划为单位进行土地覆盖数据产品管理、知识提取以及数据获取与更新的新型应用框架,利用基于图的异常数据检索算法探究不同产品间的一致性,提出了一种基于知识图谱的感兴趣图节点快速检索算法。通过引入知识图谱,形成了具有447817个节点、447816条关系,且可动态更新的中国国土资源知识图谱,并发现了在覆盖全国的2875个行政单元中有92个区域单元的产品数据一致性不足60%,区域产品精度可能存在较大误差。充分利用了多源土地覆盖数据产品间的信息,缩短了数据预处理的时间,为中国国土资源的知识化管理与应用提供了新思路。