RGPS制导的按需服务组织与推荐方法

随着互联网上各种Web服务数量的快速增长,如何发现满足用户个性化、多样化需求的服务成为亟待解决的关键问题之一.文中提出了一种面向领域问题的、基于角色-目标-流程-服务模型的按需服务组织与推荐方法.该方法在对与领域问题相关的用户角色(R)、目标(G)、流程(P)和服务(S)进行建模的基础上,利用RGPS元素间的关联关系对领域中服务实现了按需组织,同时根据不同的用户需求表达方式相应地设计了3种服务推荐算法.最后,通过实验验证了所提方法的有效性,并结合实际案例介绍了所开发的系统平台.     

基于弹幕情感分析和主题模型的视频推荐算法

针对互联网上大量自制视频缺少用户评分、推荐准确率不高的问题,提出一种融合弹幕情感分析和主题模型的视频推荐算法（VRDSA）。首先,对视频的弹幕评论进行情感分析,得到视频的情感向量,之后基于情感向量计算视频之间的情感相似度;同时,基于视频的标签建立主题模型来得到视频标签的主题分布,并使用主题分布计算视频之间的主题相似度;接着,对视频的情感相似度和主题相似度进行融合得到视频间的综合相似度;然后,结合视频间的综合相似度和用户的历史记录得到用户对视频的偏好度;同时通过视频的点赞量、弹幕量、收藏数等用户互动指标对视频的大众认可度进行量化,并结合用户历史记录计算出视频的综合认可度;最后,基于用户对视频的偏好度和视频的综合认可度预测用户对视频的认可度,并生成个性化推荐列表来完成视频的推荐。实验结果表明,与融合协同过滤和主题模型的弹幕视频推荐算法（DRCFT）以及嵌入LDA主题模型的协同过滤算法（ULR-itemCF）相比,所提算法推荐的准确率平均提高了17.1%,召回率平均提高了22.9%,F值平均提高了22.2%。所提算法对弹幕进行情感分析,并融合主题模型,以此来完成对视频的推荐,并且充分挖掘了弹幕数据的情感性,使得推荐结果更加准确。     

基于相似性计算的领域模型语义查询

为提高领域资产库的复用能力,解决领域模型与用户的个性化需求不能完全匹配时仍能为目标应用系统的构建提供支持的问题,提出了领域模型语义查询算法.通过服务模型相似度计算结果,建立同一问题域中同类模型之间的语义关联,并以此为基础,提出领域模型的语义查询算法.最后介绍了该算法在领域建模平台中的应用.     

基于预测分析的时空众包在线任务分配

针对时空众包在线任务分配问题,提出任务范围调节算法DMRA与基于预测分析的在线任务分配算法PAMA。DMRA算法以任务位置为中心,根据工人密度动态调整任务的范围。PAMA算法基于历史统计概率,采用贝叶斯分类器预测下一时间戳的对象分布情况,在此基础上,执行带权二分图最优匹配算法以完成任务分配。实验结果表明,将DMRA算法与PAMA算法相结合,能够提升任务分配的总效用,降低工人的差旅成本,任务分配性能优于贪心算法与随机阈值算法。     

基于问题域的领域模型库度量

在网络化软件中,为了便利地对领域建模所得到的巨量、多粒度、多层次的领域模型进行复用,从而实现按需服务,需要以问题域为单位对领域模型进行组织.为此,以领域问题域的内聚度和耦合度为指标,对问题域的划分合理性进行度量,基于该度量结果能够实现领域问题域的合并和细分等优化,从而为实现领域问题域的强内聚和弱耦合,提供了有力的保障,并最终提高领域模型复用的便利性.     

基于企业知识图谱构建的实体关联查询系统

针对目前知识图谱查询中节点之间语义关联性不高、查询效率低等问题,提出了一种实体关联的查询方法,然后以此为基础设计并实现了基于知识图谱的企业查询系统。所提查询方法采用四层过滤模型,首先通过路径搜索找到目标节点的公共路径,从而过滤掉关联程度较低的查询节点,得到过滤集合;然后在中间两层分别对过滤集合的属性和关系计算关联度,再基于动态阈值完成图集过滤;最后综合实体关联度和关系关联度得分并排序得到最终的查询结果。基于真实企业数据进行的实验结果表明,与Ness、NeMa等传统图查询方法相对比,所提方法在查询时间上平均降低了28.5%,同时在过滤性能上平均提高了29.6%,可见该方法能高效完成查询和展示与目标相关联实体的任务。     

交互式逻辑图布线算法及其在VLAB中的应用

本文以交互式虚拟实验室VLAB的设计和实现为背景，解决了逻辑图交互绘制过程中各个逻辑图元的布线连接问题，在遵照逻辑图布线基本原则的基础上，提出由自动布线、通道扩展和布线优化三部分联合构成的交互式逻辑图布线算法，并对试验结果进行了评价。     

基于动态效用的时空众包在线任务分配

为提升众包任务在线分配的总体效用,该文提出一种适用于时空众包环境的在线任务分配方法。该方法针对时空众包环境下的在线任务分配问题,首先提出一种以众包任务为中心的K最近邻算法来进行候选众包工人的选择,进而设计一种基于动态效用的阈值选择算法,实现众包工人与任务的最优分配。实验结果显示,文中所提出算法具有较好的有效性和可行性,并能在一定程度上保证众包工人的可靠性,优化平台总效益。     

基于活跃时间分组的软件众包工人选择机制

针对现有的软件众包工人选择机制对工人间协同开发考虑不足的问题，在竞标模式的基础上提出一种基于活跃时间分组的软件众包工人选择机制。首先，基于活跃时间将众包工人划分为多个协同开发组；然后，根据组内工人开发能力和协同因子计算协同工作组权重；最后，选定权重最大的协同工作组为最优工作组，并根据模块复杂度为每个任务模块从该组内选择最适合的工人。实验结果表明，该机制相比能力优先选择方法在工人平均能力上仅有0.57%的差距，同时因为保证了工人间的协同而使项目风险平均降低了32%，能有效指导需多人协同进行的众包软件任务的工人选择。