面向服务组合的偏好本体表示及应用

为使偏好描述适用于动态服务组合,提出一种属性分解的偏好本体表示方法（PODDA）。该方法增加了偏好的语义描述并把用户对服务的偏好分解为多个子偏好集合或属性偏好集合,对应本体的建立可从领域本体的概念层次关系中提取服务的子偏好集合,从概念间的关联度提取服务的属性偏好集合,从而代入充分利用领域本体中已存在的资源,且能更深入地表示出用户在多重约束下的偏好,使建立的偏好本体更合理和完整。最后的仿真系统测试结果显示,引入基于PODDA定义的偏好本体后组合服务的满意度显著提高。     

本体环境下用户偏好库的查询算法扩展

查全率,查准率的高低在很大程度上决定了一个智能搜索引擎的性能,而用户偏好库中的算法如果运用得当可明显提高查全率和查准率.在探讨了在基于本体的智能搜索中用户偏好库的作用和其类型,特别是客观世界中某一特定领域或主题的用户偏好库之后,详细地研究了用户偏好库中用户兴趣剖像生成的提取算法,TF*IDF算法和TF*IWF*IWF算法和基于本体的查询扩展算法,并且讨论了各个算法之间的联系.论述了用户偏好库在基于本体的搜索系统中的独特意义.通过实验最终验证了这些算法可达到查全率为10.1%、查准率为81%的良好效果,进而证实基于本体在智能搜索中所体现的优势.     

基于用户综合反馈的服务偏好挖掘方法

针对个性化服务系统中用户偏好信息片面和不精确的问题,提出了综合用户网络使用行为和用户评价反馈信息的服务偏好挖掘方法,研究了用户服务偏好的表示模型、初始化和更新方法,最终挖掘出用户更加完整和精确的服务偏好。结果表明,该方法是可行和有效的。     

一种基于用户偏好分析和论坛相似度计算的改进LFM推荐算法

针对用户的偏好推荐需求,提出一种改进的LFM算法BBLFM算法,通过引入隐含特征将稀疏的相关矩阵分解为两个相对稠密的矩阵,减少了空间复杂度,同时实现LFM的隐语义分析功能,深入挖掘了用户的潜在特征,提高了推荐的准确性。具体地,设计了一种基于BM-25的精确用户关注点查找与权重赋值方法,同时引入软概率情感分析方法的结果,合成出一种基于语义的标签体系。此外,还构建了一个基于BERT的用户偏好分析网络,根据用户曾经浏览或点击的历史论坛数据,来为用户画像,给出用户的主题偏好。在真实的百度贴吧数据集上进行的对比实验结果,表明算法在推荐准确性上优于比较的算法。     

基于用户关系挖掘的多策略推荐算法

个性化推荐服务为解决网络信息过载问题提供了有效手段。传统的推荐方法大多只关注于如何提高推荐的准确性,而忽略了推荐多样性对用户体验的影响。文章将社会网络用户关系挖掘应用于用户偏好预测及推荐中,提出了一种基于用户关系挖掘的多策略推荐算法。采用信任传播模型挖掘用户间的信任度,计算用户偏好配置文件的余弦相似性获得用户间的相似度,并给出4种将用户信任度、相似度结合的策略,在定义用户偏好预测函数的基础上采用Topn原则为用户给出推荐结果。实验结果表明,文章方法不仅减少了数据稀疏性的影响,而且兼顾了推荐准确性与多样性指标,提高了推荐系统的整体性能。     

基于用户兴趣的多属性效用算法的研究

针对用户兴趣提供个性化的搜索服务一直是搜索引擎系统追求的目标。提出了基于用户兴趣的多属性效用算法,该算法使用效用性算法并结合了实体多个属性偏好因子和遗忘因子,更好地表达用户的兴趣偏好并实现动态更新,提高检索的准确性,实现搜索过程的个性化服务。     

结合社交影响和长短期偏好的个性化推荐算法

针对基于会话的推荐算法只捕获用户的短期动态兴趣，忽略长期兴趣和社交好友对用户行为的影响，提出结合社交影响和长短期偏好的推荐算法.设计新颖的异构关系图来组织用户的社交关系和历史会话，提出基于注意力机制的异构图神经网络对图进行学习，得到融合用户社交影响的长期偏好.针对社交影响力不一致容易引入噪声的问题，提出加权剪枝策略，减少了噪声干扰且丰富了图结构信息.利用无损的会话建模方法捕获用户的短期偏好，将短期偏好与长期偏好进行自适应融合，得到反映用户全局偏好的特征表示. Gowalla和Delicious数据集上的实验结果表明，所提方法的各项指标相比现有先进方法均有显著提升，证明了所提算法的有效性.     

基于隐马尔可夫模型的用户兴趣漂移模式发现方法

把隐马尔可夫模型引入到兴趣漂移模式发现方法中,采用概念漂移的思想处理用户兴趣的漂移,拓展了隐马尔可夫模型的应用领域,提出了基于隐马尔可夫模型的用户兴趣漂移方法,由此可以发现用户带有兴趣的漂移模式,反映用户的访问偏好.     

一类具有模糊需求运输调度问题的禁忌搜索算法

在对模糊需求和决策者偏好的概念进行介绍的基础上,研究了一类单收或单发情况下具有模糊需求的车辆路径优化问题,并提出解决该问题的一种禁忌搜索算法.给出了该问题的一个计算实例,实例证明采用禁忌搜索算法解决这类问题是有效的.     

一种支持用户风险偏好的服务评估方法

针对服务质量波动所造成的选择风险性,提出一种支持用户风险偏好的服务评估方法.首先,根据区间数理论处理缺失信息,对用户评分进行完整描述.然后,根据用户面对不确定信息的风险倾向性不同,引入风险偏好对用户进行细分,并确定用户的服务感知风险.最后,根据服务收益最大化原则,将服务属性进行划分并结合用户属性偏好度得到服务收益,权衡服务收益与用户感知风险得到综合评估结果.仿真实验表明:与其他服务评估方法相比,本方法在表达用户属性偏好的同时也清晰表达了用户的风险偏好特征,更好地体现用户个性化差异,具有更高的用户满意度.     

基于向量空间模型的个性化网页搜索算法研究

为解决信息检索时不同用户对搜索结果有不同期望的问题,提出了一种基于向量空间模型的个性化网页搜索算法。针对用户不同兴趣,利用用户画像能够更加全面地表示用户兴趣的特点,通过向量空间模型建立用户画像来表达用户兴趣,结合传统的网页排序算法得出最终的网页排序结果。对于不同用户可得到不同的网页搜索结果,排序靠前的网页中符合用户兴趣的网页数量增多。通过对模拟网页搜索实验结果的分析,证明所提算法较传统PageRank算法在个性化网页搜索方面有所提高。     

无人机蜂群通信的虚拟大规模MIMO信道估计算法

针对利用无人机蜂群通信实现热点区域覆盖的应用场景,提出了一种无人机蜂群通信中虚拟大规模多输入多输出信道估计算法,包括信道状态信息中导向矢量的波达方向(DOA, Direction Of Arrival)估计算法和子阵间距估计算法。考虑到空地信道状态依赖于地面用户的角域信息,因此先利用辅助用户对无人机方向角进行估计,在此基础上提出了一种基于降秩的DOA估计算法,获取精确的DOA信息。进一步,考虑到UAV动态位置变化导致不同UAV的天线阵列相对位置变化,提出了一种基于优化搜索的子阵间距估计算法,避免了大范围搜索带来计算复杂度高的问题。仿真结果表明,所提DOA和子阵间距估计算法可以提高信道估计精度。     

基于Nutch的页面排序算法研究

针对某一主题或学科的垂直搜索引擎是搜索引擎的延伸和细分,面向特定用户提供垂直搜索。网页排序算法是搜索引擎好坏的关键,搜索引擎网页排序算法的目的是从海量搜索结果中将主题相关和权威的网页排在前列,帮助用户查找所需的资源。 Nutch搜索引擎只实现了一个基本的综合排序模型,为了使Nutch更好地满足专业用户的需求,该文设计一个综合考虑主题相关性和网页权威性的综合排序模型,将主题相关度因子和改进后的PageRank算法因子融入到Nutch网页评分计算公式中。实验表明,改进的排序算法可以提高信息的查准率,具有明显的主题倾向性,在实际应用中发挥作用。     

基于贪婪搜索的IEEE 802.16j带宽分配算法研究

为满足IEEE 802.16j网络中不同类型业务的带宽需求, 同时达到可接入用户数最多的目的, 提出了一种基于贪婪搜索的基站、中继站联合带宽分配算法. 其中, 固定带宽的主动授权业务由中继站分配带宽; 基站分配其他类型业务所需的最少带宽. 该算法利用贪婪搜索寻求最优用户组, 并将剩余带宽分配给该组的用户. 仿真结果表明, 该贪婪搜索带宽分配算法能保证网络接入的用户数最多, 且复杂度低于一般的穷举搜索带宽分配算法.     

基于布谷鸟搜索算法的用户选择和干扰对齐

为了实现蜂窝系统中单小区边缘用户正常通信,减少相邻小区间多个边缘用户对本小区边缘用户造成的干扰,提出了一种基于布谷鸟搜索算法的用户选择和干扰对齐算法。该算法首先用布谷鸟搜索算法对小区边缘用户进行选择,接着采用干扰对齐方法消除相邻小区间的干扰,最后通过预编码和基于最小均方差（MMSE）译码方法消除小区内用户间的干扰。该布谷鸟搜索算法与快速排序搜索算法相比具有更低的时间复杂度。数值分析表明与基于迫零算法的译码方法相比,该译码方法能够提高系统容量2 b·s-1·Hz-2,改善误码率4 dB。     

卷积记忆图协同过滤

针对推荐系统中用户和项目的向量表示问题,提出了一种端到端的具有记忆单元的图神经网络.在图神经网络中引入门控循环单元解决高阶连通节点间信息损失问题,可以使得用户和项目节点从高阶邻居获得更加完整的特征信息,然后利用卷积神经网络对网络输出层间的特征向量进行融合以获得不同阶段下用户的偏好.实验结果表明,与最优对比算法相比,采用所提卷积记忆图协同过滤推荐算法在4个数据集上的评分预测性能分别提升了1.98%,4.17%,9.27%和2.70%.     

云计算下区分服务的演化博弈调度算法

提出了一种基于区分服务的云计算演化博弈调度算法.算法中云任务方通过偏好类型参与对资源的竞争,虚拟机资源方依据其计算型、存储型、带宽型等各类服务评分高低竞争任务,构成一个混合博弈,然后再依据任务调度信息和用户反馈的评分不断演化改进虚拟机资源及其所属种群的各项服务评价,最终得到博弈的均衡.仿真实验结果表明,该算法是有效、可行的,能根据任务类型的差异分配不同特性的虚拟机资源,再依据用户对各项服务的评价,确保不同类别的用户任务的服务质量.     

基于社会信任正则化的排名推荐算法

随着在线商品交易额逐年增大和社交网络不断深入发展,推荐系统已成为解决信息过载的重要工具之一。当评分矩阵数据稀疏性较大时推荐精度就会显著下降,特别是用户冷启动的时候这个问题更加明显。因此,本文提出一种新的基于隐式反馈信息的社会化排序推荐算法。该算法首先利用矩阵分解方法计算不同项目间的用户偏好。其次将用户偏好信息融入Bayesian Personalized Ranking (BPR)算法中。然后挖掘用户之间相似关系以及信任用户直接和间接关系,并量化它们之间的信任关系,从而研究不同项目之间用户偏好差异。最后将以上这些信任关系和BPR算法进行融合,进而构建出社会化排序推荐模型。为了验证所提出的社会化排序推荐算法,在DouBan数据集和FilmTrust数据集上,进行该算法的有效性验证。主要通过Precision、MAP和NGCD这三种排序评估指标分别在全数据集和用户冷启动中验证本文所提算法与SBPR、TBPR、BPRMF和MostPopular等算法之间排序推荐的优劣性。实验结果证明本文所提算法明显优于其他排序推荐算法,并可以获得更好的推荐准确率。可见该算法可以有效改善由于数据稀疏性和用户冷启动所带来推荐效果差的问题。     

一种基于遗传算法的OFDMA系统的跨层资源分配

针对现有的跨层资源分配算法计算量大、复杂度较高的问题,提出了一种基于遗传算法的OFDMA系统的跨层资源分配算法。利用遗传算法隐形并行处理、较好的全局搜索性能、易收敛到最优解的特点,在系统性能一定,且满足各个用户业务要求的条件下,对资源进行优化分配,较好地解决了跨层资源的分配问题。仿真结果表明,在满足用户间公平性的前提下,算法有效提高了系统的频谱利用率及吞吐量,减小了用户的平均等待时延,提高了服务质量,并且随着子载波数和用户数的增加,算法在复杂度方面优势更突出。     

针对样品视频的H.264/SVC的快速运动估计算法

针对应用于电子显微镜等大型科学仪器样品图像远程实时传输的H.264/SVC,提出了一种基于自适应搜索范围的快速运动估计算法。根据宏块的空间和层间相关性,将基本层及增强层宏块分类,以宏块运动向量残差为基础,针对不同类型宏块,在水平和垂直方向上设计了自适应搜索范围算法。并针对匹配块搜索过程和帧间预测过程分别设计了提前退出算法。对不同仪器样品视频的测试表明,该算法与参考软件JSVM9.17的快速搜索算法相比,在PSNR和比特率保持相近的情况下,编码时间大约可节省52%～68%,搜索点数大约可降低81%～95%。