基于Ontology的用户模型研究

针对现有本体用户模型的难点与不足，提出了一种改进的基于领域本体的用户模型（OBUM），利用文本挖掘技术构建领域本体，通过本体学习来完成用户模型的学习和更新。     

一种电子申报系统安全体系结构的研究

针对一种电子申报系统的特点和安全要求提出了安全解决方案，采用一种具有DMZ的防火墙把内网（Intranet）同不安全的外网（Extranet)隔离，该方案拟定用安全套接层议（SSL）来保证用户与系统之间的数据的安全传输，用户身份验证采用CA机制，内部网用认证中心进行用户身份认证。     

RBAC模型中用户代理机制的研究

针对ASP服务平台用户和服务之间权限分配日趋复杂的问题，提出了一种新的角色访问控制（A_RBAC）模型，利用代理层将平台服务与企业级用户关联，采用分级授权的用户角色访问控制运行机制，实现了用户代理机制下权限访问的区域自治性，并应用轻量级目录访问协议（LDAP）和J2EE技术将其设计实现于合肥市中小企业信息化托管平台。实践证明，该模型有效地降低了权限分配的复杂性。     

一种高吞吐量的IEEE 802．11Mesh网AP选择算法

现有的IEEE802．11mesh网访问点（AP）选择算法仅仅基于对mesh用户周围链路质量的测量，无法使用户获得高性能的Internet访问。本文提出了一种基于期望传输吞吐量（Expected Transmission Throughput，EXT）的AP选择算法，该算法同时考虑了mesh路由器访问网关的能力以及用户与路由器的连接时间，目的是使用户选择能够获得最大吞吐量的路由器进行连接。同时，本文针对mesh网络特点和用户的移动方式给出了实际可行的算法实现过程。本文使用NS2对算法进行了仿真，结果证明与传统的基于接收信号强度指示（RSSI）的算法相比，基于EXT的AP选择算法可以使用户的访问吞吐量得到较大提高。     

基于社交关系和时序信息的团购推荐方法

针对目前团购推荐方法较少结合单个用户与群组用户，并且对时间间隔、社交关系等上下文相关信息的利用不充分的问题，提出了一种基于社交关系和时序信息的团购推荐方法。对单个用户进行推荐时，针对循环神经网络（RNN）的门控循环单元（GRU）在团购推荐时没有考虑时序信息的影响，以及用户-商品交互序列中不相关的商品数据会产生噪声等问题，提出了融合时序感知GRU和自注意力的团购推荐模型（RTSA）。首先，通过计算用户购买的任意两个商品之间的个性化时间间隔，构建了时序感知GRU(TGRU)模型；然后，采用自注意力网络研究商品位置及个性化时间间隔的影响；最后，实验结果表明在Amazon Beauty数据集中，RTSA相较于对单个用户推荐的最优的基线模型——基于时间间隔感知自注意力的序列化推荐模型（TiSASRec），前10个商品命中率提升了11.73%。对群组用户进行推荐时，针对团购群组推荐中预定义的融合策略不能动态获取群组用户权重，以及群组-项目交互数据的稀疏性等问题，提出了融合社交网络和分层自注意力的团购推荐模型（SSAGR）。首先，采用RNN捕捉团购中用户随时间变化的复杂潜在兴趣；其次，利用分层自注意...     

多输入多输出—非正交多址接入系统融合用户调度的下行波束赋形设计

针对多输入多输出—非正交多址接入（MIMO-NOMA）技术中用户间干扰较大的问题，提出了一种融合用户调度的波束赋形（BF）算法。首先，在进行用户调度时，为了同时兼顾簇内用户干扰和簇间用户干扰，根据各用户信道的差异性，利用L1-范数正则化方法对所有用户分组情况进行初步稀疏化处理，进而从各用户信道相关性角度出发，将信道相关性大的两个用户分为一簇；其次，结合部分发射功率控制（FTPC）策略实现簇内用户功率分配；最后，根据和速率最大化准则构建一目标优化函数，进而利用连续凸逼近（SCA）算法对其进行求解，以获得波束赋形矩阵。理论分析和链路仿真表明，与传统的正交多址接入技术相比，在系统容量方面实现了84.3%的提升；与传统的相关性用户分簇方法相比，在公平性方面实现了20.2%的提升。实验结果表明，该方案不仅有效地抑制了簇内用户干扰和簇间用户干扰，同时，又保证了用户间的公平性。     

搭建“云”，不仅是个技术活儿

针对用户的需求，中企动力可以将用户的相关订单的数据，以标准规范（XMAL）的格式进行打包，用户可以将这种格式的数据导入到任何系统里去，解决用户的后顾之忧。     

面向个性化课程推荐的分层分期注意力网络模型

随着大规模在线开放课程（MOOC）平台的广泛使用，需要一种有效的方法为用户推荐个性化课程。针对现有的课程推荐方法通常利用课程学习记录为用户的学习兴趣建立整体的静态表示，但忽略了学习兴趣动态变化与用户短期学习兴趣的问题，提出一种分层分期的注意力网络（HPAN）进行个性化课程推荐。该网络的第1层利用注意力网络得到用户的长短期学习兴趣，第2层将用户的长短期学习兴趣和短期交互序列相结合并通过注意力网络得到用户的兴趣向量；然后计算用户兴趣向量与每个课程向量的偏好值，据此为用户进行课程推荐。在XuetangX（学堂在线）公开数据集上的实验结果表明，与次优的序列分层注意力网络（SHAN）模型相比，HPAN模型的Recall@5提高了12.7%，与FPMC(Factorizing Personalized Markov Chains)模型相比，它的MRR@20提高了15.6%。HPAN模型的推荐效果优于对比模型，可解决实际的个性化课程推荐。     

长期演进系统基于加权平均时延的下行资源调度

针对长期演进（LTE）移动通信系统下行链路传输中多用户的实时（RT）与非实时（NRT）业务传输性能需求问题，提出一种基于用户加权平均时延的改进型的最大加权延时优先（MLWDF）资源调度算法。该算法在考虑信道感知与用户服务质量（QoS）感知的基础上引入反映用户缓冲区状态的加权平均时延因子，该因子通过用户缓冲区中待传输数据与已发送数据的平均时延均衡得到，使具有较大时延和业务量的实时业务优先调度，提升了用户的性能体验。理论分析与链路仿真表明，提出算法在保证各业务时延及公平性的基础上，提升了实时业务的QoS性能，在用户数量达到50的条件下，对比MLWDF算法实时业务的丢包率降低了53.2%，其用户平均吞吐量提升了44.7%，虽牺牲了非实时业务的吞吐量，但仍优于VT-MLWDF算法。实验结果表明，所提算法在多用户多业务传输条件下提升了实时业务的传输性能，并在QoS性能上明显优于对比算法。     

基于模块度和标签传递的推荐算法

针对基于网络信息的商品推荐的问题，提出了在二部网络上基于社区挖掘和标签传递的推荐算法。首先，用带权的二部图来表达用户-项目的评分矩阵，利用标签传递技术对二部网络进行社区挖掘；然后，基于二部网络中的社区结构信息，充分利用用户所在的社区之间的相似性以及项目之间、用户之间的相似性来挖掘用户可能感兴趣的项目；最后，向用户进行项目的推荐。在实际网络上的实验结果表明，与基于双向关联规则项目评分预测的推荐算法（BAR-CF）、基于项目评分预测的推荐算法（IR-CF）、基于网络链接预测的用户偏好预测方法（PLP）和改进的基于用户的协同过滤的方法（MU-CF）相比，该算法的平均绝对差（MAE）低0.1~0.3，准确率高0.2。因此，所提算法可以取得比其他类似方法更高质量的推荐结果。     

融合社交网络和图像内容的兴趣点推荐

基于位置的社交网络（LBSN）蓬勃发展，带来了大量的兴趣点（POI）数据，加速了兴趣点推荐的研究。针对用户-兴趣点矩阵极端稀疏造成的推荐精度低和兴趣点特征缺失问题，通过融合兴趣点的标签、地理、社交、评分以及图像等信息，提出了一种融合社交网络和图像内容的兴趣点推荐方法（SVPOI）。首先分析兴趣点数据集，针对地理信息，利用幂律概率分布构造距离因子；针对标签信息，利用检索词频率构造标签因子；融合已有的历史评分数据，构造新的用户-兴趣点评分矩阵。其次利用VGG16深度卷积神经网络模型（DCNN）识别兴趣点图像内容，构造兴趣点图像内容矩阵。然后根据兴趣点数据的社交网络信息，构造用户社交矩阵。最后，利用概率矩阵分解（PMF）模型，融合用户-兴趣点评分矩阵、图像内容矩阵、用户社交矩阵，构成SVPOI兴趣点推荐模型，生成兴趣点推荐列表。大量的真实数据集上的实验结果表明，与PMF、SoRec、TrustMF、TrustSVD推荐算法相比，SVPOI推荐的准确度均有较大提升，其平均绝对误差（MAE）和均方根误差（RMSE）两项指标比最优的TrustMF算法分别降低了5.5%和7.82%，表明SVPOI具有更好的推荐效果。     

一种社区授权服务的拉式模型

针对目前网格中的社区授权服务（CAS）推式模型所存在的某些安全问题，提出了一种拉式模型。在拉式模型中，引入一个CAS缓存服务器；由资源提供者（而不是用户）向CAS缓冲服务器查询用户的权限声明，并与本地授权策略相结合形成用户在本资源上的最终有效权限。该文详细描述了用户向资源提供者进行服务请求的认证步骤，并从运行效率和安全性、可靠性等方面与推式模型进行了对比分析。     

最新电脑资讯一手掌握

中关村在线网站（ZOL.COM.CN)成立于1999年3月，中关村在线网站业已成为国内较具价值的互联网IT硬件专业技术服务和电子商务服务提供商，主要针对用户为企事业用户与个人购买者，以及大量的IT行业的厂商，经销商，中关村在线凭借超强的渠道覆盖力（网下53家电脑连锁超市），国家级的专业技术服务（国家计算机检测中心唯一的网络合作伙伴），第一手的信息源群（每天发布一万余条商情信息），专业的编辑队伍（每天发布专业文章100余篇），     

登录权限：Windows访问控制的核心 管理员必须要学习的重要验证方法

Windows访问控制子系统决定哪个用户可以访问哪些资源，以及如何访问这些资源，最基本的概念是权限和用户权力。权限与对象有关。例如，打印文件的权限，创建文件夹的权限，在Active Directory （AD）中添加用户对象的权限。用户权力是针对整个Windows系统而言的，例如，登录到Windows系统的用户权力或改变系统时钟的用户权力。     

基于领域融合和时间权重的招工推荐模型

针对推荐系统使用嵌入层&多层感知机（Embedding&MLP）范式学习用户表示时强特征过拟合和弱特征欠拟合的问题，以及使用门控循环单元（GRU）学习用户兴趣时没有考虑到当前行为对用户最终兴趣的影响力会随时间推移逐渐减弱的问题，设计了一种基于领域融合和时间权重的招工推荐模型（RecRec）。首先，RecRec采用新的领域融合层来代替传统的串联层，而领域融合层在多域特征上表现出显著的优越性能。然后，RecRec在兴趣演化层将时间权重融入GRU，并提出时间戳门控循环单元（TSGRU），而TSGRU能更准确地学习用户兴趣。最终，RecRec通过预测用户拨通率来实现个性化推荐。实验结果表明，相较于YouTube DNN、Wide&Deep、融合注意力LSTM的协同过滤算法（ALAMF）和分期序列自注意力网络（LSSSAN）,RecRec的AUC提高了0.03～0.36个百分点，说明RecRec能有效学习用户表示和用户兴趣。     

联想X1手机折桂工业设计界“奥斯卡”

针对个性化的用户需求，索尼推出新款播放器NWZ-S636FK，随机配备与播放器NWZ—S636F（4GB1）一体设计的、带充电功能的扬声器。     

NETGEAR连续中标两所高校网络建设项目

近日，全球成长型商用网络专家与无线网络先锋美国网件（NETGEAR），凭借产品出色的性价比与针对教育行业独到的解决方案赢得用户青睐，先后中标北京工业大学与河北化工学院网络建设项目。     

基于可信计算的移动终端用户认证方案

摘要针对移动终端（ME）的特性，提出了结合USIM（Universal Subscriber Identity Module）和TPM（可信平台模块）的可信移动平台（TMP），并以智能手机主流处理器为基础，讨论了TMP的设计案例以及TPM在ME中的三种构建方法．在提出的TMP框架内，利用RSA-KEM（密钥封装）机制和Hash函数，设计了口令、指纹和USIM相结合的用户域认证方案，实现了用户和ME、用户和USIM间的相互认证，强化了用户域的安全，并可满足TMP标准草案中安全等级3对用户认证的要求．该方案在不要求使用者与ME预先协商信任关系的前提下，既可区分攻击者和合法用户，又可辨别ME的主人和普通使用者，并能在认证过程中及早发现攻击行为，避免不必要的计算花销．定量及定性分析表明，该方案的离线和在线两种工作模式在三种不同的TPM架构下的安全性、通用性和执行效率均优于TMP标准中引用的方案，且获得了比Lee等众方法更高的安全性和通用性．     

无线协作计划中的蓝牙

蓝牙行业的领导者们正计划与其它三种短距离无线技术合作，以便最终用户能够更加了解他们的特点与区别，Wi-Fi ,Ultra Wideband（UWB）和Near,Field Communications（NFC）技术常被人们看作蓝牙的主要竞争对手，但实际上它们针对的却是不同的用户。     

海上平台通信系统

本文介绍海上平台通信系统，首创将ＩＮＴＥＬＳＡＴ（国际卫星通信）系统应用于海上通信，克服了传统海上通信技术和系统的缺点，实现了海上不同平台（船只）用户之间的电话直拔，海上用户与陆上用户之间的电话直拔，海上用户直拔ＩＤＤ（国际直拔）海上平台（船只）与陆地之间的数据通信，计算机联网等功能。