云计算环境下手机情景模式智能化学习模型及算法研究

提出云计算环境下手机的情景模式智能化学习模型和一系列的实现算法.在云计算环境下,用户可以定制情景模式智能化服务,从而实现根据用户的时间、地点等信息自动设置手机情景模式.在云中利用社会网络中用户的信息及其相应的情景模式作为训练集合,采用基于关联分类挖掘的规则学习算法学习得到一系列的情景模式规则;利用社会网络中用户之间的社会性和相似性,选择用户相关的规则并将其推荐给定制服务的用户使用;用户可以读取和编辑自己的规则并反馈到云中,利用增量改进策略进一步提高情景模式规则的精确度.实验证明,该模型具有较好的精确性和可行性.

网络信息生态系统中的虚假信息:检测、缓解与挑战

随着互联网的迅速发展及网络社会媒体中用户的增加,通过社会媒体发布和传播信息的真实性和质量受到日益广泛的关注.目前大部分公众已习惯从社会媒体平台与互联网获取新闻,甚至是获取受到高度关注的话题(如新冠病毒感染症状)的信息.鉴于网络信息生态系统非常嘈杂,充斥着错误和虚假信息并经常受到恶意媒介的污染,从中识别真实的信息成为一项艰巨任务.对此,研究者们已开始致力于虚假信息检测和减缓虚假信息传播影响方面的工作.讨论了网络信息生态系统中的虚假信息问题,特别是随着新冠病毒大爆发而来的“信息疫情”.随后,简述了虚假信息检测方法,分析了减缓虚假信息影响的方法,并探讨了虚假信息研究中的固有挑战.最后从跨学科角度阐述了检测和减缓虚假信息影响的方法和未来研究展望.

数据驱动的SOA应用可靠性动态评估

面向服务的体系结构(SOA)具有动态性与协同性,这使得传统的软件可靠性评估方法并不适于评估SOA应用的可靠性。该文提出了一种可靠性动态评估方法,其核心是由在线监测到的数据所驱动的服务组合可靠性模型。该模型通过自底向上的3个层次来分离目标系统的动态变化,即:服务可靠性的度量模型、服务池容错模型和基于Markov链的服务组合使用模型。经初步实例验证,该方法能够有效适应针对SOA应用进行全生命周期可靠性动态评估的需要。