基于谱聚类的虚假评论群组检测

为了从数据集更有效地检测出虚假评论群组.提出一种基于谱聚类的检测算法.对数据集中的多维数据样本进行分析,确定衡量用户之间相似程度的指标;利用用户相似度指标构造一幅以用户为节点、用户之间相似度为边上权值的带权评论者图;将该图的邻接矩阵作为相似度矩阵,利用谱聚类算法对其进行群组检测,将所有用户分为15个候选群组;对检测出的候选群组进一步挖掘,分析其内部特征.将不同方法检测得到的候选群组内部特征进行比较,结果表明该算法具有更高的有效性.     

群组内基于区块链的匿名可搜索加密方案

公钥可搜索加密技术不仅可以保护云存储中用户的数据隐私,还可以提供数据在不解密的条件下进行密态数据搜索的功能。针对群组内用户进行密文安全搜索的需求,本文以群组为单位使用基于身份的广播加密进行数据的加密与密钥封装,以基于身份的可搜索加密构造关键词密文及关键词陷门,提出了一种群组内的公钥可搜索加密方案,保证了只有群组内的授权用户才可以进行安全搜索并解密数据。此外,为保护用户的身份隐私,通过构造匿名身份,避免了因云服务器好奇行为而造成的用户身份泄露问题。同时,在按需付费的云环境中,为了防止云服务器向用户返回部分或不正确的搜索结果,文章结合区块链技术,使用区块链作为可信第三方,利用智能合约的可信性,在用户验证搜索结果正确后向云服务器支付搜索费用,解决了用户与云服务器之间的公平支付问题。并加入了违规名单机制,防止恶意用户对系统可用性造成影响。在安全性方面,通过基于判定性双线性Diffie-Hellman问题与判定性Diffie-Hellman问题进行安全性分析,证明了在随机谕言机模型与标准模型下方案满足关键词密文与关键词陷门的不可区分性。最后,通过功能对比表明本方案有较强的实用性,利用Charm-crypto密码库对方案进行效率对比,其结果表明本方案与其他相关方案相比具有较低的计算以及通信开销。     

融合用户信任度的概率矩阵分解群组推荐算法

利用推荐系统进行群组推荐时,群组成员之间的交互关系对推荐结果有很大影响,但传统的群组推荐算法较少考虑用户信任度的重要性,致使社交关系信息不能得到充分利用。在群组融合时考虑群组内用户间的交互关系,提出一种基于用户信任度和概率矩阵的群组推荐算法。在获取用户信任度数据后,使用概率矩阵分解（PMF）算法补全信任度矩阵并进行归一化处理,得到相似度矩阵,同时在后验概率计算过程中加入用户间的信任度因素,通过极大化后验概率获得预测评分。在此基础上,对群组中用户的权重进行归一化处理,使用基于用户交互关系的权重策略融合群组成员偏好,得到最终的推荐结果。在Epinions和FilmTrust数据集上的实验结果表明,该算法可使融合结果更具群组特性,同时提高推荐结果的可靠性和可解释性,且均方根误差和命中率均优于PMF、NeuMF、RippleNet等对比算法。     

基于谱聚类群组发现的协同过滤推荐算法

推荐系统中,基于聚类的协同过滤推荐算法利用K-means等算法对用户和物品进行聚类,聚类结果里用户或物品只能属于一个类别,然而在实际应用中,一个用户可以有多种兴趣,一个物品也可以属于多个类别。针对上述问题,提出了一种基于谱聚类群组发现的算法,该算法通过谱聚类和C-means聚类得到用户和物品相似度较高的群组以及用户和物品归属于群组的隶属度矩阵,而且用户或物品可以属于多个群组。通过计算用户在各个群组中对物品的偏好值,并结合用户和物品在群组里相应的隶属度来预测用户对物品最终的偏好值,生成对用户的Top-N推荐结果。实验结果表明,与以往推荐算法相比,本方法在降低了数据稀疏性的同时提高了推荐结果的准确率和召回率。     

基于区间型符号数据的群组推荐算法研究

传统群组推荐算法基于点数据描述群组用户模型,存在着信息缺失、很难统筹考虑所有个体用户的需求等问题。针对该问题,对个体评分数据按照符号数据分析的思想进行"打包",将群组成员的评分信息汇总为区间型符号数据。在Hausdorff距离基础上,采用区间内部点数据的描述统计量,提出了一种全新的区间数距离度量方法,并利用这种距离对区间型符号数据描述的群组实施K-均值聚类,由此确定相似群组,最后通过最近邻的评分预测目标群组的评分。将这种全新的群组推荐算法与传统方法进行推荐精度与效率的对比实验,结果表明,在各种实验条件下,基于区间型符号数据的群组推荐算法均优于传统点数据的群组推荐算法。     

实时群组编辑器中操作组播的研究

操作组播是一种在群组编辑活动中确保不同用户同时进行编辑时,通知用户相互间行为,保证被编辑文档正确性的一种控制机制。评价操作组播的指标主要是组播时效以及操作内容的粒度。这两者倚赖于网络带宽,系统计算能力以及群组的规模等。在文中提出一种实时群组编辑器模型并且详细描述其中操作组播的原则以及实现方式。     

融合上下文信息与自注意力机制的群组推荐算法

针对群组推荐中组内成员存在偏好动态复杂性的问题,群组成员间的偏好会彼此影响,提出了一种融合上下信息与自注意力机制的群组推荐算法。首先,为了更好地捕捉群组成员间的动态关系,利用自注意力机制自动学习群组内用户的上下文信息与群组中其他成员间的关系权重;其次,根据自注意力机制学习到的组矩阵取其均值嵌入得到群组偏好表示;最后,根据群组偏好利用贝叶斯个性化排序方法进行群组推荐。将提出的方法在MovieLens-1M和CAMRa2011两个数据集上进行实验,并且与基准算法进行比较分析,该方法在推荐的命中率HR和NDCG两个指标上均有提升,实验结果证明该方法得到了更优的群组推荐结果。     

网络协同戏剧中个性化戏剧资源推荐系统

为了解决网络协同戏剧中戏剧创作者难于获取戏剧资源的问题,分析了现有推荐系统的不足,设计并实现了支持协同戏剧创作的个性化戏剧资源推荐系统.分析协同戏剧创作群组间的相似性,通过对用户和群组建模,搜索相似群组.然后在相似群组中寻找优秀群组,并将优秀群组成员用户评价好的戏剧资源推荐给新建戏剧创作群组成员用户.系统测试结果表明该系统能够为网络协同戏剧创作用户提供高效准确的个性化戏剧资源推荐服务     

融合双层注意力机制的群组偏好融合策略研究

当前推荐系统研究热点及其演变趋势之一是个性化推荐由关注个体推荐逐步转向关注群体推荐。目前多数群组推荐方法在选择偏好融合策略时习惯采用预定义的静态策略，而静态策略的特点就导致算法无法最大化模拟出群组决策的真实过程。在前人研究的基础之上提出一种基于双层注意力机制的群组推荐方法，该方法充分考虑到群体用户的差异性和相互影响，以及对于不同领域的决策权等问题。计算群组内每位成员对其他成员的注意力权重，获得群组成员特征向量，再计算每个成员在选择某一个项目的注意力权重，为群组生成对于该项目的偏好向量，以此来充分还原群组用户之间的交互以及群组决策的过程。通过在CAMRa2011和Meetup数据集上与COM、SIG、AGR、AGREE、FastGR等方法在不同参数条件下进行了对比，在归一化折扣累计增益和命中率两个指标上，相较基线模型平均提高了0.025 4和0.030 7。     

基于地理位置的移动用户群组划分方法

为解决移动用户分组问题,提出一种基于地理位置的移动用户群组划分方法。根据已有用户统计信息,计算用户分布密度,利用用户密度及多峰高斯分布函数,找出各个高斯分布的顶点、特征半径、顶点对应群组的中心位置,以及特征半径对应群组的半径,从而划分出各个群组。实验证明,该方法能够合理划分移动用户群组,易于控制群组规模。     

粗糙群中元素的阶与粗糙循环群的性质

自Z.Pawlak提出粗糙集理论以来,众多学者进行了广泛深入的研究,将其拓展至粗糙代数领域。R.Biswas和S.Nanda首次提出了粗糙群（B-N粗糙群）的概念并给出了若干性质,但这一概念本身存在一定缺陷。已有一些研究者指出了B-N粗糙群的定义和结论存在的一些问题,给出了B-N粗糙群的修正定义。以粗糙群的修正定义为基础,提出了粗糙群的阶、粗糙群元素的阶以及粗糙循环群等概念,给出了与之相关的一些性质,通过实例说明了普通循环群的某些性质对粗糙循环群并不成立。     

在线考试系统组卷策略分析

组卷是在线考试系统建设中的重要环节。组卷是以试题为处理对象,最终形成符合用户要求的试卷。从试题库中抽取若干试题,生成一套试卷,这一过程中必须遵循一定的规则,这些规则我们称之为组卷策略。     

Identification, display, and use of symmetry elements in atomic and electronic structure models

Crystallographic symmetry plays an important role in structure determination from diffraction or scattering data, in spectroscopy and in simulations. It is convenient and insightful to integrate the display and use of such symmetry data with data analysis and modeling methods. We outline the integration of a suite of crystallographic algorithms, closely coupled with interactive graphical displays. These include techniques for identifying the unit cell of a solid, for automatically determining space and point group symmetries, for generalized displays of symmetry elements overlaid on structural models, and for construction, editing, and transformation of models subject to symmetry constraints. In addition, electron densities derived from periodic density functional calculations can be symmetrized and displayed with the corresponding symmetry elements. Applications of these various capabilities in crystallographic research are illustrated by topical examples.     

Collaborative Group Membership

In this paper we present a novel approach to fault-tolerant group membership for use predominantly in collaborative computing environments. As an exemplar, we use the Collaborative Computing Transport Layer which offers reliable atomic multicast capabilities for use in collaborative environments such as the Collaborative Computing Frameworks (CCF). Specific design goals of the approach are the elimination of processing overhead due to heartbeats, support for partial failures and extensibility. These goals are satisfied in an approach, termed Collaborative Group Membership (CGM), which uses a quiescent weak failure detector and two election based algorithms to form consensus on the membership of a failing group. Failure detection operates through a reliable multicast primitive and as such eliminates the need for explicit keep-alive packets; thus in a failure free environment, CGM imposes no overhead.     

一个公平的群盲签名方案

根据Micali公平的密码体制的思想,基于CS97的第一个群签名方案,利用不经意传输协议提出了一个公平的群盲签名方案。它除了满足群盲签名的要求以外,还有一个附加的性质,即在一个可信实体的帮助下,签名者能够将消息签名对与相应的签名协议联系起来。这样就可阻止不法分子利用群盲签名从事犯罪活动。     

基于重叠稀疏组深度信念网络的图像识别

深度信念网络的隐含神经元大部分为噪声变量,且具有组结构相关性。组稀疏深度信念网络模型通过组Lasso模型对隐含神经元变量进行约束,从而实现变量组选择。然而,组稀疏深度信念网络模型未能考虑特征可同时属于多个特征组,并且隐含神经元在变量层面上不稀疏的问题。在组稀疏深度信念网络模型上引入重叠组结构,解释了重叠组Lasso模型在变量层面上比组Lasso模型稀疏的原因,并在变量层面上作进一步的稀疏,提出了重叠稀疏组深度信念网络模型。在MNIST、USPS、ETH-80以及人脸数据集上的识别结果表明,重叠稀疏组深度信念网络具有更高的识别率。     

一个组密钥协商协议的安全性分析

许多协同与分布式应用涉及到在不安全网络上的通信,因此,安全性是这些应用的重要需求。组密钥协商协议是进行安全组通信的基本构造块。基于树结构与门限的思想,王志伟等人提出了一个高效的组密钥协商协议(TTS协议),并认为他们的协议是安全的。但是,这一协议存在严重的安全漏洞,因此是不可以使用的。     

群组聊天业务在IMS客户端的设计与实现

为了满足用户对IMS客户端群组聊天业务的迫切需求,根据最新SIMPLEIM标准中对群组聊天业务的定义,分析了群组操作和群会话操作,在客户端的体系架构上添加群组聊天组件,设计了针对预定义群组和临时群组的两个管理器,并特别针对群组初始化中的问题给以讨论,最后在SIPHello IMS客户端上实现了此业务。测试阶段,设计若干项目用于测试,结果表明,群组聊天业务能够成功运行在SIPHello IMS客户端上,拥有一定的稳定性。     

一种考虑群成员接受度及相似度的群体推荐算法

由于群体成员个性不同,尤其在群成员意见冲突情况下如何准确获取群体成员偏好是群体推荐系统进行有效推荐的关键。针对上述问题,本文充分考虑群体成员在冲突情境下的行为特征,采用Thomas-Kilmann行为冲突模式分析方法(TKI)衡量群成员在冲突情境下对不同偏好接受度;并将群体成员接受度和成员-群体相似度有机融合到传统群体推荐算法中,提出了一种新的混合群体推荐算法。实验结果表明新算法比传统群体推荐算法的推荐精度有较为明显的改善。