基于群智感知的正念隐式社交交互系统设计

目的 构建基于群智感知的正念隐式社交交互系统,在用户个体间形成隐式互助关系,使用个体在正念中获得共鸣,提升正念效果,促进使用积极性,形成以社交为反馈方式的新型正念体验。方法 引入群智感知技术,搭建基于群智感知的正念隐式社交交互系统,包括信息收集端、信息处理端、软件使用端3大端口。结果 提出“隐联系、隐互助、隐共鸣”的隐式社交模型,以及基于群智感知的正念隐式社交交互系统构架,并通过“一段”APP的核心功能、信息构架、界面设计,对面向音乐的群智感知正念隐式社交交互系统进行实践验证。结论 基于群智感知的正念隐式社交交互系统挖掘正念中用户间的隐式联系,创造隐式社交这一网络社交新场景,对于群智感知在社交领域的应用提出新的应用模型。     

文本配图系统的设计与实现

目的 设计并开发文本配图系统,实现面向文本数据的在线自动配图。方法 基于图片和文本之间的描述关系构建“图片-标签”二分网络,然后基于“图片-标签”的二分网络,利用重启随机游走模型进行图片与标签之间的相关性计算。采用TextRank模型提取关键字,并将关键字构成的集合作为查询,将关键字视为标签。基于离线计算结果,在线整合标签与图片之间的相关性,得到文本与图片的相关性。依据相关性由大到小进行排序,并返回前k个最相关的图片。结果 实验结果表明,前5个返回结果的MAP值能够达到0.839,能够准确地返回用户期望的图片。结论 系统能够依据输入文本进行准确的图片匹配。     

一种基于SQL变换的分布式空间查询优化算法

基于新一代GIS技术体系的空间数据的分布特点,提出了一种新的应用于分布式空间查询处理的混合启发式优化算法(HHOA).该算法参考了传统的基于关系代数变换的启发式优化算法,同时为了克服单调采用直接连接或者半连接的弊端,引入了直接连接和半连接相混合的策略,实现更高的查询执行效率.实例研究表明,尤其是在涉及空间连接的查询前提下,该算法能够有效支持分布式空间查询的处理.     

基于用户活动记录的排序算法

研究数据空间中如何有效地对搜索结果进行排序,提出一个基于用户活动记录(UAR)的排序算法和语义相似度(SS)分析。在该方法中记录所有用户的活动信息,依据用户活动记录的三个因素来对搜索结果排序,这三个因素为:①用户一次打开文档的持续时间,②从上次关闭文档到下次打开文档的间隔时间,③在一段时间内文档被打开的次数。初步实验结果表明UAR和SS算法,在数据空间的查询中,能够为用户提供更精确的服务,获得更好的反馈结果。     

基于深度循环神经网络的社交网络用户情感研究

目的 将深度学习与社交网络、情感计算相结合,探索利用深度神经网络进行社交网络用户情感研究的新方法和新技术,探索模型在用户需求分析和推荐上的应用.方法 自动筛选和挖掘海量社交网络数据,研究具有长时记忆的非先验情感预测方法,对网络中海量的用户数据、人与人之间关系进行建模,为关联时间序列创建LSTM模型,并结合其相互关系融入统一的大型深度循环网络中.具体包括:基于注意力模型的社交网络异构数据处理;基于深度LSTM的长时记忆建模,研究子网络选取、深度LSTM设计,以及针对社交网络的大型网络结构设计;基于社交网络情感模型和强化学习的推荐算法.结果 提高了分析的准确度,降低了对先验假设的依赖,减轻了人工情感模型的工作量和偏差,增强了对不同网络数据的普适性;供深度模型使用.结论 研究成果促进了深度学习与情感计算的结合,可推动网络用户行为分析和预测的研究,可用于个性化推荐、定向广告等领域,具有广泛的学术意义和应用前景.     

一种基于偏好的查询扩展方法

为克服语言歧义性和用户使用简短查询语句的习惯对搜索引擎查询准确率造成的影响,提出了一种基于偏好的查询扩展方法.该方法将用户对网页的偏好转化为对知识库中概念的偏好,建立用户兴趣模型,在该模型基础上对原始查询结果进行分析,挑选出与用户偏好关联最紧密的关键词加入原查询,解决了基于局部分析的查询扩展方法在初次检索质量不高时性能恶化的问题.实验表明,本文提出的方法相对于传统的查询扩展算法可以大幅度提高查询精度.     

场景化社交游戏中界面设计的优化研究

目的 研究典型社交类游戏APP的界面设计,探索以用户情感体验为中心的交互设计策略,对社交游戏应用的设计方向提出建议,以便满足用户对社交的需求。方法 采用访谈法、观察法及问卷调查法,获取不同用户对游戏交互界面的需求差异。以用户认知与行为为基础,对三款社交类游戏应用(饭局狼人杀、天天狼人杀、狼人世界)的界面视觉风格、布局设计、操作逻辑等优缺点进行分析比较,对数据进行系统化整理,探索具有良好用户体验的社交游戏APP应具备的设计特点。结论 任何游戏界面的视觉设计都应以用户的视角为中心,符合当前的技术发展与大众审美需求,以展现不同的视觉特征。因此,有必要加强界面的合理化应用,优化交互过程,将用户体验设计融入APP设计开发的各个方面,增强游戏体验感、提升用户粘合度,达到提高用户满意度的目的。     

基于大数据的用户画像构建方法与运用

目的以大数据环境为研究基础,为产品研发初期获取准确性较高的用户画像,优化其构建方法。方法基于定性与定量综合集成方法的三层次理论框架,首先通过定量研究挖掘线上社交平台的多模态用户数据并对其进行文本分析,提取具有高影响的用户属性因子。其次,使用优化模糊C—均值聚类算法(FCM算法)对用户属性因子进行聚类分析,获得几类用户属性原型。将其原型作为构建画像的维度框架,通过线下定性研究方法对样本用户进行调研,挖掘深层次需求动机。最终,构建出几类用户画像原型。结论以中国手机年轻用户相机拍照行为研究对象,通过线上社交平台和电商平台的公开数据获取用户拍照相关的评论信息,对其进行文本挖掘和分析,并对分析后的数据进行提取、聚类和定性研究,从而获得3类不同拍照类型的用户画像模型。     

基于用户生成内容的产品服务系统设计方法

目的 在人机协同的设计背景下,研究提出的一套基于数据驱动的自动化生成设计方法,以致力于提高设计效率,为企业创新需求提供学术参考价值。方法 研究首先运用文本挖掘,并生成用户感性意象和产品特征词表,随后基于QM1对文本进行积极和消极感性意象分类,定量化的分析了用户的偏好,快速响应用户的需求。随后以公路自行车为设计案例,开发出应用程序编程接口(API)工具。结果 根据QM1的分析结果,选取了类别得分最高的6个设计元素进行组合,而后在SolidWorks的DriveWorksXpress中创建选定的设计元素模型和装配体的副构件,实现了用户需求与三维造型相匹配的自动化设计方案生成。结论 研究基于文本挖掘,并以公路自行车的自动化设计实践验证了有效性,方法具有数据驱动、快速响应和自动化的优势。     

一种基于同质映射的视频图像中文本检测方法

提出了一种基于同质映射域的纹理特征的文本检测方法,并通过实验验证了该方法的性能.该方法与传统的文本检测方法的不同之处在于,首先将图像映射到同质性空间域中,在此空间域中计算纹理特征,然后通过支持向量机(SVM)分类器确定文本区域.与直接在图像空间域中提取纹理特征的方法相比,该方法对复杂背景下的文本检测更为有效,能有效地解决场景纹理特征与文本区域相近似造成的文本检测错误.     

基于荷兰老年人社会关系结构特征的用户角色构建

目的 从社会关系的视角分析老年人的差异化特征,定义与老年人的社交需求相关的用户特征,输出典型的用户角色类型、用户角色构建框架,指导老年人社交类产品的设计,促进社会的健康老龄化.方法 以荷兰当地的十一名68～72岁的老年人为研究对象,通过结构化访谈了解老年人的日常生活和社会关系结构,通过质性分析定义一组与老年社交产品设计相关的用户角色特征要素.结论 得出基于血缘、地缘和业缘(趣缘)关系的三种用户角色类型,包括家人依赖型、朋友陪伴型和事业兴趣型老年人;定义了一组与识别老年人社交需求相关的用户特征要素,形成了用户角色构建框架.典型用户角色类型、用户角色构建框架有助于协助设计研究人员识别老年人的社会关系和社交需求,从而设计出更匹配老年人需求的社交产品.     

面向数字校园的网格LBS体系构架研究

为了有效解决基于位置的服务(LBS)系统中空间信息的共享问题,提出了面向网格计算环境下空间信息网格的数据组织与访问机制模型,构建了以服务为核心,包括定位层、数据层、服务层和应用层的基于网格地理信息系统的校园LBS(CLGG)体系构架。以数字校园为应用实例,研制了原型系统,实现了的区域导航、实时定位、历史路径查询、热点区域信息发布、用户认证与管理等功能,验证了所提出的LBS系统构架和空间信息网格的数据组织与访问机制的可行性和有效性。     

逆向学习耦合多属性查询的图像排序/检索优化算法研究

目的提出逆向学习耦合多属性查询的图像同步排序/检索优化算法,以解决当前算法检索效率与精度不高等问题。方法引入逆向学习概念,利用复杂无损函数,设计图像检索机制,优化训练误差。考虑查询项属性相关性,将训练图像分割成多个子集,联合权重因子,构造图像排序模型。对于给定的多属性查询,文中算法可以利用查询项中隐含的单词属性完成检索。结果文中算法支持多标记查询,与当前图像排序搜索机制相比,在多属性查询条件下,文中算法具有更高的检索精度(当查全率为80%时,精度较对照组分别提高了8.3%和13.2%)与效率。结论文中算法能够支持多属性查询,能进一步增加检索精度。     

基于Bi-LSTM的动画电影智能问答系统

智能问答系统是市场上各类智能机器人的核心,也具有广阔的应用前景。然而,传统的问答系统通常更偏向于文档检索,因为它只能在答案所在的文档中找到用户的问题,并且不能准确地捕获用户的目的,从而用户无法获取准确的答案。因此,本文基于Bi-LSTM模型构建了面向动漫电影领域的智能问答,该系统可以帮助用户快速查询动漫电影的相关资料。首先,构建动漫电影的知识图谱,建立节点实体和实体之间的关系,使用Neo4j图数据库来存储数据。接下来,双向长短期记忆模型(Bi-LSTM)和条件随机场(CRF)用于命名实体识别,并且朴素贝叶斯分类用于对用户意图进行分类。最后,根据用户意图和实体,将问题转换为知识图谱查询语言并在数据库查询后返回结果。实验显示,本文提出的问答系统是可行的,动画领域问题答案的准确率均在90%以上。     

智能搜索引擎在知识管理系统中的应用

用户在搜索引擎上进行信息查询时,并不关注返回结果的多少,而是看结果是否和自己的需求吻合。对于一个查询,传统的搜索引擎动辄返回几十万、几百万篇文档,用户不得不在结果中反复筛选。智能搜索技术,采用了先进的"模式识别"方法,可以根据单词或词语的使用和出现频率来识别不同文本在上下文环境中自己产生的模式。通过判断一条非结构化信息中的一种模式优于另一种模式,可使计算机了解一篇文档与某个主题的相关度。利用这种方法,可以抽取文档中的文本要素,自动识别文本的概念然后对该文本进行自动操作。这种创新的高性能模式识别算法提供了精确的文本上下文分析和概念抽取,可对信息自动分类和相互链接,从而提高信息检索的效率。     

基于线性回归的相关查询推荐

在分析搜索引擎查询日志的基础上,提出了一种基于线性回归的相关查询推荐方法。该方法考虑了查询串之间的多种关联关系,包括查询串会话共现、点击页面共享和查询串文本相似性,以避免因直接应用查询串之间的部分关联关系造成易受查询日志中噪音的影响。相比以往的方法,采用线性回归的方法来识别相关查询推荐的有效特征,能更好地解决噪音问题和进行有效的相关查询推荐。实验证实,采用线性回归挖掘的识别中文相关查询串的特征非常有效,且所提出的回归模型的预测准确率优于现有的方法。     

一种快速移动对象轨道聚类算法

针对已有轨道聚类(TRACLUS)算法的线段聚类模块需要对划分后的每条线段进行邻域查询的问题,将取样技术引入轨道聚类,提出一种快速移动对象轨道聚类(FTCS)算法。FTCS算法根据基于极大连通子图的合并原理,对核心线段的Eps邻域以及与该Eps邻域相重叠的所有轨道聚类进行合并,避免了TRACLUS算法中核心线段Eps邻域内线段的不必要邻域查询操作。在真实和合成轨道数据集上的大量实验结果表明,FTCS算法显著降低了邻域查询操作次数,在保持TRACLUS算法轨道聚类质量的同时,成倍提高了轨道聚类的时间效率。     

分布式包装实时数据库ARS算法应用

目的研究具有连续状态空间的复杂包装产品信息在分布式网络实时数据库中的查询方式。方法通过结合增强学习(EL)和自适应共振结构神经网络(ARS),给出一种基于增强学习的自适应共振结构神经网络算法——ELARS2。在ARS2算法中引入增强学习的选择和评估方式,解决在ARS2算法中分类模式的查询问题。设计在存储空间中使用分布式网络实时数据库查询目标的仿真试验,并用2种ELARS2算法(TDARS2和QARS2算法)来实现,并与经典的EL算法进行对比。结果 2种ELARS2算法完成查询目标的平均时间显著小于经典的EL算法。结论在2种ELARS2算法中,TDARS2比QARS2效果更好。     

基于同时送取货多车型二维矩形装箱问题的优化

目的 研究同时送取货的二维矩形装箱问题,即在考虑客户的送取需求、货物的尺寸和质量,以及多车型约束下求得车辆待装空间最高平均空间利用率。方法 提出含9种适应度值的skyline装箱方案设计改进的混合禁忌搜索–遗传优化算法来求解带同时送取货约束的二维矩形装箱问题。结果 通过仿真检验,混合算法使车辆待装空间平均空间利用率达到88.04%,并求得了服务8位客户的同时送取货装箱方案。结论 基于带9种适应度值skyline装载方案的混合禁忌搜索–遗传优化算法针对同时送取货模式的二维矩形装箱问题能求得较高的空间利用率,并完善了同时送取货模式在装载方面的研究。     

基于语义量化匹配的汽车外观显著性意象挖掘

目的 为解决传统感性设计研究中意象实验耗时大以及小样本偶然性等问题,依托现有网络评价文本信息提取了用户意象认知。方法 首先,爬取大规模汽车外观评论文本,构建语义分析词汇库,构建word2vec词向量模型;然后,基于模型获取词库内部的语义联系,计算高频关键形容词之间的语义离散性,以构建代表性意象词空间;最后,通过语义量化匹配将评论映射到意象词空间,得到大规模用户对各车型的显著性意象表征,明确了指定意象词汇下的汽车外观匹配结果。结果 运用该方法挖掘汽车外观显著性意象与基于人工评价的实验结果无显著性差异且具有高度相关性,证明了该方法的有效性。结论 以该方法挖掘用户意象认知,运用了现有的大批量用户反馈知识,提高了意象分析效率,有助于决策者快速理解消费者对汽车外观的感性知识,在设计迭代中可使产品更符合市场期望;对比相关研究,基于语义量化匹配的方式无需对超高维向量进行降维和聚类,避免了以往研究因特征降维而可能导致的词向量语义联系的损失,以得到更为准确的意象挖掘结果。