一种面向Mashup应用的API推荐方法

在动态变化的网络环境下,来自组合服务或Mashup的服务可能不可用或失效。此外,随着越来越多的服务在互联网上,用户很难找到他们想要的服务。服务聚类是辅助服务发现的一种重要方法,但是已有的服务发现方法没有考虑服务本身的规格(Specs)信息。针对上述问题,提出了一种面向Mashup应用的API推荐方法,通过LDA主题聚类对API描述信息进行聚类,通过Word2Vec以及相似度计算从功能相似性的角度判断失效API所属主题类簇,在该主题类簇下通过失效API的规格信息进行进一步筛选,将失效API与筛选后的主题类簇中的API进行相似度判断,从而得到推荐API的集合。最后以ProgrammableWeb网站上的真实数据进行了实验,与传统的K-means、TF-IDF方法相比,实验结果表明该方法在一定程度上可以提高推荐结果的准确性。     

微信息大数据粗糙集的近似约简

为了应对微信息舆情数据的格式复杂、价值稀疏和收集困难等大数据处理技术难题,基于隐含语义分析和粗糙集近似约简理论,设计微信息的数据区间值集和近似匹配分类算法.在不影响数据主要关联关系的原则下,提炼核心属性、消减次要属性,实现一种微信息异常主题倾向的发现方法.结果表明,该近似约简算法能在完成微信息兴趣倾向主题分类的前提下,将数据集属性大幅度缩减,提高微信息的信息挖掘效率,为微信息大数据舆情处理工作提供了新的思路和案例.     

基于LDA和word2vec的英文作文跑题检测

针对目前国内的英语作文辅助批阅系统缺少准确而高效的跑题检测算法的问题,提出了一种结合LDA和Word2vec的跑题检测算法。该算法利用LDA模型对文档建模并通过Word2vec对文档训练,利用得到的文档主题和词语之间的语义关系,对文档中各主题及其特征词计算概率加权和,最终通过设定合理阈值筛选出跑题作文。实验中通过改变文档的主题数而得到的不同F值,确定了最佳主题数。实验结果表明所提出的方法比基于向量空间模型的方法更具有效性,可以检测到更多的跑题作文并且准确率较高,F值达到89%以上,实现了作文跑题检测的智能化处理,可以有效地应用在英语作文教学中。     

基于用户分类的隐含因子模型研究*

针对现有隐含因子模型存在的新用户和项目的冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中,先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵,再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型能够不仅能解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。     

基于潜在语义分析的文档检索设计方法

文档检索系统围绕如何基于语义层面进行检索来展开研究.基于关键词匹配的检索系统不能处理多词一义的情况,针对此问题设计了基于潜在语义分析的文档检索系统.首先改进了文档一词矩阵单元值的计算过程,调整了传统高频词与低频词在权重上的线性关系,利用Sigmiod函数对权重做平滑处理,使其更符合文档中词的权重;其次利用潜在语义分析结合多维尺度分析算法,优化计算文档在语义间的距离.实验结果显示,能有效在语义上聚类文档,完成查询语句与文档集之间的相似度检索计算.     

清晰数的比较

在清晰数的四则运算的基础上,给出了清晰数心的概念,继而定义了清晰数的大小关系,这样就可以进行清晰数的比较,为以后的研究奠定了基础。     

基于I-IFHA算子的动态直觉模糊多属性群决策方法

假设各决策时段的时间权重、各决策时段下的属性权重以及决策者权重均已知,各决策者针对各决策时段给出的属性值以直觉模糊数形式给出的动态多属性群决策问题,提出了一种基于导出直觉模糊混合平均(I-IFHA)算子动态直觉模糊多属性群决策方法.该方法利用动态直觉模糊加权平均(DIFWA)算子和动态加权平均(DWA)算子集结动态决策信息分别得到各决策者的综合直觉模糊决策矩阵和综合属性权重向量,并在此基础上利用直觉模糊加权平均(IFWA)算子计算得到各决策者下各方案的直觉模糊评价值;利用I-IFHA算子集结决策者群体决策信息得到各方案的综合直觉模糊评价值;利用直觉模糊数的得分函数及精确函数对决策方案进行排序和择优.最后,通过投资银行对企业进行投资的实例说明了该方法的应用.     

Ausgleich der Volatilität der Erneuerbaren Energien mittels Wärmespeichern auf Salzbasis

To compensate for the volatility of renewable energies, solutions beyond fossil reserve power plants are needed. One approach is salt-based heat storage with phase change materials (PCM). In order to achieve economic efficiency, ambitious targets are required. A sensible and latent heat storage system for the temperature range around 400 °C based on salts and thermal oils with high development potential is presented.     

采用温度回升法对任意结晶区间的铸件凝固结晶潜热的数值计算

铸件凝固结晶潜热的释放行为与凝固传热、溶质传输及铸造合金种类与成分等诸多因素有关，合金凝固过程中其温度、固相体积分数与液相成分(T-fs—CL)三者之间一般存在着非线性强耦合关系．采用合金凝固传输统一模型及温度回升(补偿)法提出的处理任意结晶温度区间(包括零结晶区间)凝固潜热释放问题的数值迭代计算方法，对不同合金成分与不同固相反扩散效应的二维Al—Cu合金铸件定向凝固传输过程进行了数值计算，表明该方法对于从纯金属到共晶成分的不同成分合金及从Scheil模型到Lever-Rule模型之间的任意凝固模式均是有效的．将该方法推广应用于叶片铸件三维凝固传输过程的T-fs—CL耦合数值模拟仍显示出高的计算效率．通过对计算结果进行的三维图像数据处理，展示了铸件几何形状对凝固传输行为的重要影响．     

Robust semi-supervised mixture probabilistic principal component regression model development and application to soft sensors

Traditional data-based soft sensors are constructed with equal numbers of input and output data samples, meanwhile, these collected process data are assumed to be clean enough and no outliers are mixed. However, such assumptions are too strict in practice. On one hand, those easily collected input variables are sometimes corrupted with outliers. On the other hand, output variables, which also called quality variables, are usually difficult to obtain. These two problems make traditional soft sensors cumbersome. To deal with both issues, in this paper, the Student's t distributions are used during mixture probabilistic principal component regression modeling to tolerate outliers with regulated heavy tails. Furthermore, a semi-supervised mechanism is incorporated into traditional probabilistic regression so as to deal with the unbalanced modeling issue. For simulation, two case studies are provided to demonstrate robustness and reliability of the new method.