基于用户兴趣的个性化Web信息检索方法

针时现有的个性化信息检索系统存在的问题,提出一种新的基于用户兴趣的个性化Web信息检索方法,采用自动隐式学习方式来建立和更新用户兴趣库,采用本体技术来进行语义扩展,从而提高Web信息检索的查准率和查全率.文中给出了个性化Web信息检索系统的体系结构和个性化机制的关键技术及相关算法,全面描述了基于用户兴趣的个性化处理过程.该方法能更好地满足用户的需求,为其提供个性化服务.     

一个面向Internet的分布式信息检索系统模型

随着Internet上的用户急剧增加,如何快速地处理查询请求已成为面向Internet的信息检索系统急需解决的问题.文中提出了一个面向Internet的分布式信息检索系统模型(Fastresponse).在该系统模型中,针对当前分布式信息检索系统在可获得性、可靠性、可扩展性、查询服务智能性等方面存在的一些问题,我们提出了对服务器和文档进行两级调度;系统需要时动态招募备份服务器;对子服务器群中和子服务器群间的服务器进行两级监控;根据用户的要求自动重组服务器等一些新的管理策略,有效地解决了上述方面存在的问题,从而可以更好地处理用户的查询请求.     

基于兴趣度的Web用户聚类方法

现有的Web用户聚类方法都是通过对用户喜好页面的访问模式分析来建立用户聚类,没有充分考虑时间意识、用户兴趣、用户访问模式之间的关系与影响.针对这一问题,在时间意识的Web用户聚类基础之上,提出了基于兴趣度的Web用户聚类方法.通过对日志文件中的用户访问模式进行分析,计算用户兴趣度.结合渐进遗忘算法,对用户兴趣爱好进行调整与更新,并在此基础上对用户进行聚类.实验表明,本方法能够更好地分析用户访问模式,更准确地计算用户兴趣,具有更好的聚类效果.     

基于本体的校园地图智能检索系统的研究

针对用户在使用百度这样的通用搜索引擎查询大学校园内部的建筑设施信息时遇到的问题,提出了基于本体的校园地图智能检索模型.以A大学校园内的建筑设施信息检索为例,运用本体技术开发了一个大学校园地图智能检索系统.实际测试结果表明,该系统不仅提高了用户信息检索的查准率和查全率,并能够把信息对应的物理位置显示在地图中,使用户更加快速的查找到校园内部建筑设施的信息,从而改善了他们的办事效率.     

基于智能Agent的多维权值信息检索模型

为了弥补目前信息检索系统中存在的资源耗费大、实效性不高、用户满意度低等缺点,该文提出并实现一种新型的基于智能Agent的多维权值信息检索模型。该模型主要思想是在信息检索系统中应用了智能Agent技术,通过将检索任务分担到用户客户机、检索服务器和被检索主机的方式以达到提高检索实效性和节省系统和网络资源的目的;该文还通过综合考虑用户检索偏好等特征以及信息本身的重要度和检索匹配程度,提出了一种多维权值排序算法MWRA,提高检索的排序能力,从而为用户提供符合其个性化特征的检索结果。该文首先描述了基于智能Agent的多维权值信息检索模型,然后深入分析了多维权值排序算法MWRA,最后对模型的性能进行了比较和分析。实验结果和性能分析结论表明,基于智能Agent的多维权值信息检索模型的性能尤其在排序能力等方面有明显的提高。     

基于ASP模式下UD_RBAC模型的研究与实现

随着应用服务提供商(ASP)模式的发展,为解决集成了越来越多应用服务的ASP平台与用户之间复杂的管理需求,提出了一种ASP模式下用户授权代理机制的角色访问控制(UD-RBAc)模型.文中对UD_RBAC模型形式化描述,细致地分析了其构成要素、用户授权代理管理模式和实施策略.采用LDAP目录访问协议统一存储用户身份和权限信息,通过代理策略保护应用服务资源,实现对用户的访问进行分级授权和控制.     

融入注意力网络的深度分解机推荐算法

推荐系统能够在海量的信息中找到满足用户个性化需求的信息。随着深度学习的发展,深度学习也开始广泛被推荐系统所应用。CTR预估在推荐系统中起着重要作用,已被应用在个性化推荐、信息检索、在线广告等多个领域。针对推荐系统数据量大且稀疏的问题,文中将注意力网络和xDeepFM模型融合,提出了一种新的基于深度学习的CTR预估模型,即Atte-xDeepFM模型。该模型能够解决特征稀疏问题,有效学习特征之间的交互关系,且不需要手动提取特征工程中的有用信息。在Avazu数据集和Criteo数据集上进行的对比实验证明了文中提出的模型的有效性。与推荐系统CTR预估常用的算法模型对比,文中所提出的模型具有更好的推荐效果。     

一种实用元搜索引擎的设计与实现

元搜索引擎结果集成算法的性能直接影响元搜索引擎的查询精度和用户的满意度.文中在分析常用的结果集成算法的基础上,提出了一种改进的结果处理算法来提高查询精度,并设计了元搜索引擎系统.实验表明,该系统可以有效提高信息检索的精度.     

基于语义分析的互联网人物信息提取

互联网是人类网络空间行为的体现,其中隐藏了大量人物信息.由于这些信息分散在整个网络空间中,将互联网人物信息提取并进行归类具有重要的研究意义和实用价值.文中提出了一种新的互联网人物信息提取模型,实现了人物信息的自动化提取.详细分析了基于网络爬虫的网页信息采集、基于语义分析的人物特征提取、基于向量空间模型的人物聚类算法和人物信息检索等技术原理和实现方案,能够对互联网人物信息进行分析和提取.     

基于Agent的个性化智能信息检索系统

针对目前信息检索系统存在的不足,首先,在系统地介绍信息检索研究现状的基础上对个性化信息检索的发展、工作原理和现状进行了简要综述,并对Agent技术做了介绍.然后,从现有问题入手,开发设计一个了基于Agent的个性化智能信息检索系统模型.对基于Agent的个性化信息检索系统的基本结构、方法及相关技术进行了研究.该模型由用户信息检索个性Agent、信息搜索Agent和信息过滤Agent三个模块构成,分别对三个模块中的关键技术进行研究.结果表明,该平台减少搜索范围,加快搜索速度.     

基于CCA的入侵检测行为轮廓创建技术研究

入侵检测系统在保障Internet应用系统安全方面发挥着重要作用.作为异常检测依据,用户行为轮廓的准确程度直接关系到入侵检测系统的检测性能.由于Internet环境的开放性造成用户行为模式多变,导致用户行为轮廓准确程度下降.本文提出了基于信息可视化的入侵检测框架,并进一步提出了基于CCA(Curvilinear component analysis)的可视化算法.该可视化算法比传统算法具有更好的距离映射性能,可为安全专家提供准确的可视信息,有利于安全专家直观地观察用户行为模式,并合理选择聚类算法创建轮廓,从而提高行为轮廓创建的准确性.     

An improved Apriori–based algorithm for friends recommendation in microblog

With the rapid development of Internet, the world has come into a new era of network interaction. Internet development in China makes various kinds of software available to users, by which relatives, close friends, and partners can achieve real‐time interactions. It is acknowledged that the recommended issues and persons are the most important parts for user experience. This study concentrates on how to provide a recommendation for users with a common interest in Microblog. We first illustrate some recommended algorithms based on data mining, and the implementation process of friend‐recommended system is then stated. After that, by integrating the characteristics of the user information, the forwarding and comments on information to associated users, we present an improved Apriori–based algorithm to rank the recommended information with confidence interval. Simulation results demonstrate the superiority and efficiency of our method.     

Coupons: A Multilevel Incentive Scheme for Information Dissemination in Mobile Networks

Integrating mobile computing and localized user interaction into the Internet requires more than simply overcoming pure routing challenges. Apart from issues such as intermittent connectivity and unreliable nodes, the human factor is becoming increasingly important. To date, user behavior has only been considered in terms of mobility patterns and incentives for encouraging cooperation. Moreover, the focus has always been on systems that aim to enforce fairness by either bringing an indirect equilibrium or by punishing "misbehaving" users. The goal of this paper is therefore to present Coupons. Coupons is an idea to define, evaluate, and implement algorithms for the emerging class of social network and information sharing applications. Coupons is a system designed to allow users to opportunistically interact and share data through a wireless medium, to overcome highly variable Internet access through adaptive localized interaction, and to incorporate an incentive scheme to make the system usable and encourage participation.     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.     

Random Group Recommendation Model Based on Fuzzy Clustering

The group recommendation system is a viral requirement for the Internet service provider to provide recommendation services for all the users in a group. Due to the shared or different interests among users in the group, it is difficult for traditional personal recommendation algorithms to predict items that can meet the requirements of all the users in the group. In this paper, a random group recommendation model is proposed to recommend the top K most appealing items for all the users in a random group. By analyzing item ratings of all the users in the group, the recommendation model can abstract the group as a virtual user. Then a personal recommendation algorithm is applied to suggest the top K most appealing items for the virtual user. And the preference score and fuzzy clustering algorithm based on multiclass are applied to optimize the recommendation result of the group recommendation model. Finally, the MovieLens-100K dataset is applied to verify the efficiency of the recommendation model. The experimental results show that the items recommended by the proposed group recommendation model are more popular for all the users in the group than the items recommended by traditional group recommendation algorithms.     

基于AHP-GRA 的用户身份可信评价方法

随着互联网和社交媒体的快速发展,我国的经济活动对网络依赖性逐步增强,涉及到资金和财产的网络活动加剧,对用户身份进行认证的需求变得更加迫切。因此,提出了一种将层次分析法(Analytic Hierarchy Process)和灰色关联分析(Grey Relation Analysis)结合使用的用户身份可信评价方法(Analytic Hierarchy Process-Grey Relation Analysis,AHP-GRA),以现有的权威身份认证提供商提供的身份信息为原始输入,个体用户后续输入的身份属性信息通过属性聚类及相似度计算进行评分,使用层次分析法和灰色关联分析将各条属性可信评价进行多层次关联决策分析,并得到用户身份的可信评价。     

人工智能技术在互联网大数据挖掘算法中的应用

将人工智能技术应用到互联网大数据挖掘算法中,可以利用互联网大数据进行准确的定位和分析,为企业提供更精准的用户行为信息。文中阐述了基于人工智能技术的大数据挖掘算法,然后分析了在互联网大数据挖掘算法中应用人工智能技术的重要性,最后说明了人工智能技术在互联网大数据挖掘算法中的具体应用,以期为用户提供更精准的网络服务,从而使用户获得更加满意、便捷、安全的服务体验。     

A Dynamic User Concept Pattern Learning Framework for Content-Based Image Retrieval

A rapid increase in the amount of image data and the inefficiency of traditional text-based image retrieval systems have served to make content-based image retrieval an active research field. It is crucial to effectively discover users' concept patterns through an acquired understanding of the subjective role played by humans in the retrieval process for such systems. A learning and retrieval framework is used to achieve this. It seamlessly incorporates multiple instance learning for relevant feedback to discover users concept patterns-especially in the region of greatest user interest. It also maps the local feature vector of that region to the high-level concept pattern. This underlying mapping can be progressively discovered through feedback and learning. The user guides the retrieval systems learning process using his/her focus of attention. Retrieval performance is tested to establish the feasibility and effectiveness of the proposed learning and retrieval framework     

Universal Service-Providers for Private Information Retrieval

A private information retrieval scheme allows a user to retrieve a data item of his choice from a remote database (or several copies of a database) while hiding from the database owner which particular data item he is interested in. We consider the question of private information retrieval in the so-called ``commodity-based' model, recently proposed by Beaver for practically oriented service-provider Internet applications. We present simple and modular schemes allowing us to reduce dramatically the overall communication involving users, and substantially reduce their computation, using off-line messages sent from service-providers to databases and users. The service-providers do not need to know the database contents nor the future user's requests; all they need to know is an upper bound on the data size. Our solutions can be made resilient against collusions of databases with more than a majority (in fact, all-but-one) of the service-providers. Received 21 September 1998 and revised 21 December 1999 Online publication 19 May 2000