一种基于时间序列最近偏向技术的网络信任模型

在已有P2P模型的基础上,提出了一种基于时间序列最近偏向技术的网络信任模型(recent-biased trust model,RBTM)。该模型采用了时间序列可变分割法选取评价时间单元(evaluate time unit,ETU),同时引入了比较合理的时间衰减因子,并对新数据的加入做了详尽的描述;根据节点交易的历史时间信息、内容相似度和反馈评价值自适应动态地调整节点的推荐值;实例表明,该模型具有良好的扩展性和较低的运行开销。     

景区智能空间下的实时景点推荐技术

针对景区景点推荐不能满足游客个性化及实时性的要求,在景区智能空间条件下提出一种实时景点推荐技术,该技术通过上下文感知来获取动态信息,结合景点实时个性化推荐算法为游客提供景点推荐服务.通过实验说明所提出的实时景点推荐技术的可行性.     

P2P网络环境下基于推荐的信任模型

基于网络中节点之间不仅仅局限于直接交易建立起来的信任关系,还包括了第三方推荐信任的事实,提出了在P2P网络环境下基于推荐的信任模型。该模型用成功次数与失败次数在总交易数目中的比例作为直接信任度,将交易信誉与推荐信誉明确区分出来,引入了偏移因子计算推荐节点的可信性,通过惩罚因子和风险因素动态平衡节点直接信任度和其他节点的推荐信任度,得到目标节点的综合信任值,并给出仿真实验验证。实验结果证明,模型计算的综合信任值更趋近其真实值,并且能抵抗恶意节点的诋毁、协同作弊等威胁。     

基于矩阵分解的单类协同过滤推荐算法

新闻网页和书签的推荐被认为是单类协调过滤问题。通常这类数据是相当稀疏的,仅仅一小部分数据是正例,在非正例数据中负例和没有标记的正例是混合在一起的,难以区分开来,因此,就如何解释非正例数据出现了歧义。为了解决该问题,提出了一种加权的带正则化的基于迭代最小二乘法的单类协同过滤算法。即通过对正例赋予权值1,负例赋予一个较小的正实数权值来反映数据的正负置信度。在两个真实的实验数据集上验证了该算法在性能上均优于几个经典的单类协同过滤推荐算法。     

一种基于偏好的个性化标签推荐系统*

建立一个基于用户偏好模型的标签推荐系统,从该系统产生的标签集合中选择出能降低一般性概念描述的模糊性的标签子集,推荐给用户。实验表明,该系统具有较高的可靠性和精准度。     

标签模糊和冗余在标签推荐中的研究及应用

现有的Folksonomy标签推荐系统使用的推荐算法没有考虑标签模糊和冗余问题,影响了用户建模和对推荐系统评估的准确性,并且降低了系统的推荐质量,增加了用户选择喜好项目时的负担。通过对标签推荐系统的研究,将标签模糊和冗余应用到标签推荐算法当中,有助于提高系统的推荐质量,并且能提供更合理的评价方法。实验结果表明：经过标签模糊和冗余处理的标签推荐算法显著地提高了推荐系统的推荐质量。     

建设工程社会成本的分析与控制

随着各地工程项目的大规模建设,其不可避免地对社会、环境以及经济系统等产生影响,其中的负面影响则形成了建设工程的社会成本．基于此,首先介绍了建设工程社会成本的概念,然后分析了其构成,主要包括工程对资源环境、交通、社会、经济等方面影响而产生的社会成本．最后,站在工程建设的角度提出了控制社会成本的措施、建议,希望能促进工程领域社会成本观念的形成和发展,真正实现工程建设、资源环境和社会的可持续发展．     

可信网络中基于信誉和风险评估的动态信任模型*

针对可信网络不能有效处理恶意节点攻击的问题,综合考虑信任度评估的动态性和风险性,提出一种新的基于信誉和风险评估的动态信任模型。该模型引入惩罚机制、风险机制和推荐实体信任度更新机制,以评估信任关系的复杂性,通过构建直接信任树以存储节点的交互关系,并采用改进的回溯法寻找最佳推荐路径。仿真结果表明,该模型在有效抑制恶意节点上较已有模型有一定的改进。     

基于推荐完整性的电子商务推荐系统架构的设计

针对个性化推荐完整性欠佳的问题,设计一种基于第三方的电子商务推荐架构。使用聚合内容获取信息源,运用多代理实现推荐流程,借助面向对象存储技术在第三方平台扩充备选项集。通过对上述技术方法的组合应用,使推荐的完整性得以提升,克服了传统推荐系统忽略用户站外行为影响推荐完整性的缺陷。     

基于推荐机制的人机交互任务调度算法

人机交互任务调度是信息处理系统需要应对的困难之一．基于推荐机制,提出了一种新型的人机交互任务调度算法;该算法从操作序列中发现和抽取调度信息,根据操作员的处理能力／兴趣和任务的特征进行调度,采用推荐方法发布／管理任务．验证实验表明该算法具有较高的系统利用率、较高的响应率和较高的用户满意度．