基于网络内容和结构数据的用户浏览模型

Web推荐系统能为用户提供有针对性的个性化服务。但目前基于协同过滤和使用挖掘的推荐系统存在着诸如数据信息的不完整或不正确,推荐精度和质量不高等问题。为提高推荐系统的性能,必须将站点的内容和结构信息以及用户行为数据集成形成混合模式推荐系统,在推荐引擎里统一使用。基于此,本文提出一种新型Web推荐系统框架,能够将站点的内容,结构和用户的浏览行为综合考虑形成用户浏览模型,通过用户模型向用户推荐资源,初步实验表明该模型能有效改善推荐系统的性能。

基于双向推理的主体框架

文章提出了一个基于双向推理的主体框架FBRA,它是一个混合型的主体框架,主体既是反应的又是慎思的。它的推理内核是正向推理和反向推理相结合。正向推理用于对环境的反应,包括对其他主体的反应。反向推理基于溯因推理,用于信念修正、规划、多主体协调和多主体通信等。

基于溯因推理的主体协商

为了能够进行有效的协商,主体应当提高通信的效率。为此,接收者可以对发送者的当时的意识状态进行推测,这可以通过溯因推理实现。该文提出了一个基于溯因推理的主体协商模型,是对Parsons的基于论据的协商模型的改进。

数据挖掘中隐私保护的随机化处理方法

数据挖掘中主要的任务就是针对聚集数据的建模问题。目前数据挖掘中的个人隐私保护问题受到越来越多 的重视和研究。为了保护个人隐私,我们首先对一些私有数据进行随机化处理,在此基础上再进行建模。本文介绍了隐私 保护课题的发展、随机化处理方法的一般算法及隐私保护技术的发展前景。

异构分布式对象互操作模型研究

分布式对象技术,如EJB(EnterpriseJavaBeans)、CORBA(CommonObjectRequestBrokerArchitecture)、COM(CommonObjectModel),允许运行在一台机器上的对象被不同计算机上的客户端应用程序使用。该文在研究上述三种主流分布式对象标准及其两两互操作技术的基础上,提出了一种三种标准间互操作的模型及总体设计,并实现了桥中当已经得到某种标准的客户调用请求后对另外标准对象的调用。

基于类别核心特征词的文本分类

传统文本分类在自动训练过程中通过训练集为每个类别建立了类别特征向量,在小训练集环境下这种方式建立的特征向量含有的类别特征信息不够丰富,分类器性能不够理想。本文提出针对小训练集应用环境提出建立分级类别特征向量的思想,通过建立由一级核心特征词、二级核心特征词和外围核心特征词三个级别组成的类别特征向量,以提高特征向量中类别特征信息的含量,从而改善分类器性能.实验结果显示这种分类方法自动分类重合率达到94.12%以上,与传统方法的52 .94%相比,有很大提高。