基于逐跳计算的分布式负载均衡算法

网络中流量的不断增长容易导致流量不均衡、网络拥塞,进而影响用户的体验。因特网服务提供商（ISP）通常采用优化开放最短路径优先（OSPF）权值（OPW）算法应对网络拥塞,然而该算法存在三个方面的问题：1）需要实际流量矩阵;2）容易导致网络震荡;3）OPW已经被证实为NP难题,并且需要采用集中式方法求解。针对OPW算法存在的问题,提出了一种基于逐跳计算的分布式负载均衡算法（DLBH）。首先,为所有节点设置虚拟流量;然后,根据虚拟流量计算所有链路的代价;最后,采用分布式算法计算最优路由。DLBH采用分布式方法解决网络拥塞问题,而OPW只能采用集中式方法解决网络拥塞问题,因此DLBH的扩展性优于OPW的扩展性。理论分析表明,DLBH的时间复杂度远远小于OPW的时间复杂度。实验结果表明,DLBH的最大链路利用率明显低于OPW算法的最大链路利用率,大幅降低了网络拥塞。     

基于多队列切换的SDN拥塞控制

由于传统网络缺乏对转发队列的直接控制,并且难以保证链路利用率和服务质量(QoS),针对这一问题,本文提出基于多队列的SDN拥塞控制算法。该算法对链路数据流量设置多个阈值,当某一链路流量突增达到设定阈值时,控制器立即启动相应的拥塞控制机制。根据数据流的优先级,自适应增加高优先级队列的带宽,适当减小低优先级数据队列的带宽,保障高优先级数据顺利传送。实验结果表明,该方法能有效减少网络拥塞,优化数据流的QoS。     

面向人才招聘的搜索引擎优化技术研究

搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息,对信息进行组织和处理后,为用户提供检索服务,将用户检索相关的信息展示给用户的系统。网站优化从狭义上讲,就是指搜索引擎优化,通过提高网站在搜索结果中的排名来吸引更多流量。文中根据搜索引擎工作原理,从网站关键词、链接、网站内容和网站结构四个方面如何针对搜索引擎进行优化提高网站流量和排名进行了分析,以面向人才招聘的网站为优化目标,提出了相应的优化策略。通过邵阳人才网的网站流量和排名提升的搜索引擎优化实例,验证了相应搜索引擎优化技术的有效性。     

CDN：网络提速又一招

随着互联网的发展,用户在使用网络时对网站的浏览速度和效果愈加重视,但由于网民数量激增,网络访问路径过长,从而使用户的访问质量受到严重影响。特别是当用户与网站之间的链路被突发的大流量数据拥塞时,对于异地互联网用户急速增加的地区来说,访问质量不良更是一个急待解决的问题。如何才能让各地的用户都能够进行高质量的访问,并尽量减少由此而产生的费用和网站管理压力呢?内容发布网络(Content Delivery Network CDN)诞生了。     

一种拥塞补偿的网络服务定价机制

采用经济学方法和定价机制控制用户流量是网络资源分配的一种重要思路.针对软实时应用的带宽需求特性,将面向弹性应用的拥塞定价思想,引入到软实时应用的服务协商和速率控制中来,提出一种拥塞补偿的网络服务定价机制.不同于传统的拥塞定价对所有数据流一视同仁的做法,该定价机制在网络拥塞时,对不同的用户数据流区别对待,向造成网络拥塞的用户收取额外的拥塞费用,而向受到拥塞影响的用户给予适当的价格补偿.探讨了拥塞补偿价格的设置原则,提出与之相适应的拥塞补偿价格动态设置算法.针对服务协商过程中可能存在的用户瞒报或虚报需求的行为,利用博弈论方法,提出了激励相容的网络定价方案和计费策略,并通过实验说明了其有效性.     

广域网出口流量调度SDN部署研究

为解决广域网出口部分的流量调度问题,提出了基于SR Policy/EPE的流量调度优化方法,在运营商网络上模拟实现了互联网出口流量调度方案。所提方法通过有效操控业务流量的流向,可实现端到端的流量分配和全网流量灵活调度,在保证用户体验的前提下,有效提高骨干链路的利用率,优化网络整体结构,极大提升了网络的可扩展性。对于各项性能指标应用SR性能测量功能,可选择最优或次优链路以解决广域网出口拥塞问题,证实了所提方案的可行性。     

从用户体验开始做搜索引擎优化

正网站是网络营销的根本,做搜索引擎优化的终极目标是流量、销售,网站的跳出率直接决定销售率,而用户体验直接影响了跳出率,如果疯狂做网站内容、外链,有了流量,网站跳出率太高,还不如我们从用户体验开始做搜索引擎优化,这样可以避免后期大幅度修改网站带来的关键词排名波动甚至消失的影响。简单的说,用户体验就是一个人对网站特定的内容产生     

基于主动网络的多路径流量均衡模型研究

现有网络中到达某一目的地址的流量一般集中在最优路径上,这使得网络资源利用不均衡,拥塞不可避免,而传统网络体系结构很难实现流量均衡。利用主动网络节点的协作分布式计算能力给出了一种多路径的流量均衡模型,该模型包括多路径输出流量优化分配、输入带宽优化分配、拥塞抑制等算法,实现了流量与资源的均衡配置。实验证明该模型提高了网络链路的利用率,避免或减少了网络拥塞的发生,整个网络性能得到了提高。     

基于身份认证的网络考试安全机制

针对网络考试的实际需要,运用密码学方法提出网络考试安全机制,采用基于身份的密码技术实现考生的身份鉴别。利用加密、数字签名、数字信封等技术解决瞬时大量试题下载和考生答卷安全上传的网络拥塞问题。为网络考试构建一个安全管理平台,保证了考试的公平、公正。     

基于隐马尔可夫模型的电子商务网站结构优化*

针对电子商务网站中部分商品页面不处于用户预期位置,导致用户访问代价较大的情况,提出一种使用隐马尔可夫模型对网站结构进行优化建模的方法。首先建立一个隐马尔可夫模型用于模拟用户带有目的(表现为某种目标商品)的访问过程,再使用该模型挖掘出用户隐藏在访问序列中的目的,最后通过新增超链接实现网站结构优化。实验证明用该方法解决网站结构优化问题具备一定的可行性和有效性。     

基于ASP的文件上传系统的设计与实现

分析了文件上传系统的程序流程,对实现文件上传系统的关键技术进行了讨论。在网站中实现文件上传功能,需要使用第三方提供的文件上传组件ASPUpload的内部对象、ASP的文件存取组件的内部对象以及ASP的数据库存取组件ADO的内部对象。综合利用系统的各种编程方法和技巧,可以设计出符合用户需求的各种动态网站。     

Enriching one-class collaborative filtering with content information from social media

In recent years, recommender systems have become popular to handle the information overload problem of social media websites. The most widely used Collaborative Filtering methods make recommendations by mining users’ rating history. However, users’ behaviors in social media are usually implicit, where no ratings are available. This is a One-Class Collaborative Filtering (OCCF) problem with only positive examples. How to distinguish the negative examples from missing data is important for OCCF. Existing OCCF methods tackle this by the statistical properties of users’ historical behavior; however, they ignored the rich content information in social media websites, which provide additional evidence for profiling users and items. In this paper, we propose to improve OCCF accuracy by exploiting the social media content information to find the potential negative examples from the missing user-item pairs. Specifically, we get a content topic feature for each user and item by probabilistic topic modeling and embed them into the Matrix Factorization model. Extensive experiments show that our algorithm can achieve better performance than the state-of-art methods.     

基于动态异构的Web信息集成网页分析方法*

将动态异构的Web信息资源进行抽取以统一的方式供用户查询和使用,是当前迫切需要解决的问题。介绍了分析相关Web页面的方法和经验,实现了自动提交HTML表单获得所需页面和对页面的信息抽取。最后,实验证明了此方法的有效性。     

基于离线密钥分发的加密数据重复删除方法

重复数据删除技术受到工业界和学术界的广泛关注.研究者致力于将云服务器中的冗余数据安全的删除,明文数据的重复删除方法较为简单.而用户为了保护隐私,会使用各自的密钥将数据加密后上传至云服务器,形成不同的加密数据.在保证安全性的前提下,加密数据的重复删除较难实现.目前已有的方案较多依赖在线的可信第三方.提出一种基于离线密钥分发的加密数据重复删除方案,通过构造双线性映射,在不泄露数据隐私的前提下,验证加密数据是否源自同一明文.利用广播加密技术实现加密密钥的安全存储与传递.任意数据的初始上传者能够借助云服务器,以离线方式验证后继上传者的合法性并传递数据加密密钥.无需可信第三方在线参与,实现云服务器对加密数据的重复删除.分析并证明了方案的安全性.仿真实验验证了方案的可行性与高效性.     

基于排队论模型的网络拥塞率研究

分析了目前拥塞控制存在的问题,以排队论模型为基础对网络拥塞率进行了研究,从一个路由器的角度出发研究网络拥塞问题,提出了基本模型,给出了求解瞬时拥塞率的算法,并得到了稳态拥塞率的解析表达式.通过数值结果指出,路由器缓存的适当增加可以降低拥塞率,但过渡增加反而会增加拥塞率;增加路由器的CPU处理速度可以降低拥塞率.     

基于互不信任企业联盟的统一身份认证模型

现有的统一身份认证模型采用单个密码对用户身份进行验证,这种方式无法对企业的商业秘密进行有效地保护,并且认证效率低,因而不被大多数企业所接受.为了解决这个问题,在对现有模型存在的问题进行分析的基础上提出一种新的认证模型.该模型把用户的信息分成两部分--共享信息和私有信息,并采用一对密码--本地密码和共享密码分别对这两部分信息进行保护.用户可以利用共享密码在不同网站中漫游,实现统一身份认证;而网站通过本地密码来保护属于商业秘密的那部分信息.该模型能够保护商业秘密,又能够在一定程度上提高认证效率.     

一种基于对策论的拥塞控制方法

大部分端到端拥塞控制机制假设端用户是"合作"的,并且它们的实现严重依赖于这个假设.但是当网络中有"不合作用户"出现时,将可能因为不公平的资源竞争(如带宽)而发生拥塞甚至导致拥塞崩溃.现有的拥塞控制方法不能很好地解决这个问题.提出了一种基于对策论的拥塞控制方法--有效违规用户惩罚算法,它把网络上非合作用户竞争资源看成N人非合作对策.算法具有"惩恶扬善"的功能,并使得对策存在着唯一的纳什均衡,从而解决了存在"非合作用户"而导致的拥塞问题.仿真结果证明了算法的有效性.     

Search Engine or Content Website? A Local Information Seeking Classification Model Based on Consumer Characteristics and Website Perceptions

Decisions concerning everyday life activities such as patronizing restaurants require obtaining information about them. Some consumers go directly to content websites when they need such information; others go directly to search engines. How do search engine users differ from content website users for a given type of local information? This local information-seeking classification model posits that they differ in their prior experiences with their “go-to” websites, their perceived search skills, their habit of using search engines, their involvement with the activity for which information is sought, their tendency to conduct extensive information search, and their beliefs about their “go-to” website types. Empirical results support the model. By integrating everyday life information seeking (ELIS), technology acceptance model (TAM), and consumer behavior literatures, the model in this study fills a theoretical gap in the literature and opens new lines of inquiries for both ELIS and TAM research.     

A framework for designing closed domain virtual assistants

Since its beginning in 1969, the Internet has grown rapidly, especially over the past few years. Companies and organizations store more and more information about themselves on the Internet. Sometimes, that information is not well organized. Other times, the huge volume of available data makes useful information difficult to be found. The result is that users have to waste their time looking for what they want to know using the traditional menu-driven navigation and keyword search that websites provide. This is a critical issue because it decreases users interest about companies. In order to avoid this problem, in this paper we propose a framework for designing virtual assistants, which are, considering first results, an ideal alternative to help users find, not only the information that they are looking for, but also some related information which could be of the highest interest.