用户需求概念图的生成方法研究

网络信息检索在当前互联网社会得到了广泛应用,但是其检索准确性却不容乐观,究其原因是割裂了检索关键词之间的概念联系。从一类限定领域的用户需求入手,以搜索引擎作为网络语料资源的访问接口,综合利用规则与统计的方法,生成查询需求的语义概念图。可将其作为需求分析的结果,导引后续的语义检索过程,提高用户查询与返回结果的相关性。实验结果表明,生成方法是有效可行的,对基于概念图的语义检索有一定的探索意义。     

XML 关键词检索的查询理解

与纯文本文档集相比,使用语义标签标注的半结构化的XML文档集,有助于信息检索系统更好地理解待检索文档.同样,结构化查询,比如SQL,XQuery和Xpath,相对于纯关键词查询更加清晰地表达了用户的查询意图.这二者都能够帮助信息检索系统获得更好的检索精度.但关键词查询因其简单和易用性,仍被广泛使用.提出了XNodeRelation算法,以自动推断关键词查询的结构化信息(条件/目标节点类型).与已有的推断算法相比,综合了XML文档集的模式和统计信息以及查询关键词出现的上下文及其关联关系等推断用户的查询意图.大量的实验验证了该算法的有效性.     

Fuzzy Distance-Based Range Queries over Uncertain Moving Objects

Data obtained from real world are imprecise or uncertain due to the accuracy of positioning devices,updating protocols or characteristics of applications.On the other hand,users sometimes prefer to qualitatively express their requests with vague conditions and different parts of search region are in-equally important in some applications.We address the problem of efficiently processing the fuzzy range queries for uncertain moving objects whose whereabouts in time are not known exactly,for which the basic syntax is find objects always/sometimes near to the query issuer with the qualifying guarantees no less than a given threshold during a given temporal interval.We model the location uncertainty of moving objects on the utilization of probability density functions and describe the indeterminate boundary of query range with fuzzy set.We present the qualifying guarantee evaluation of objects,and propose pruning techniques based on the α-cut of fuzzy set to shrink the search space efficiently.We also design rules to reject non-qualifying objects and validate qualifying objects in order to avoid unnecessary costly numeric integrations in the refinement step.An extensive empirical study has been conducted to demonstrate the efficiency and effectiveness of algorithms under various experimental     

HilAnchor: Location Privacy Protection in the Presence of Users’ Preferences

Location privacy receives considerable attentions in emerging location based services.Most current practices however either ignore users’ preferences or incompletely fulfill privacy preferences.In this paper,we propose a privacy protection solution to allow users’ preferences in the fundamental query of k nearest neighbors (kNN).Particularly,users are permitted to choose privacy preferences by specifying minimum inferred region.Via Hilbert curve based transformation,the additional workload from users’ preferences is alleviated.Furthermore,this transformation reduces time-expensive region queries in 2-D space to range the ones in 1-D space.Therefore,the time efficiency,as well as communication efficiency,is greatly improved due to clustering properties of Hilbert curve.Further,details of choosing anchor points are theoretically elaborated.The empirical studies demonstrate that our implementation delivers both flexibility for users’ preferences and scalability for time and communication costs.     

分布式信息系统中数据交换平台设计与实现

为了提高分布式信息系统的性能,加快系统间的数据流通实现信息的共享和集成,需要为分布式信息系统建立数据交换平台.通过对数据交换平台现有的一些解决方案分析,在研究JMS (Java message service)等技术基础上,设计并实现了新的数据交换平台.利用JMS消息模式实现消息持久化,以开源消息中间件为交换中心,在SOA (service-oriented architecture)平台技术上完成了分布式信息系统的数据变换平台.详细介绍了平台设计架构、信息交换过程、数据封装格式,重点描述了发送接口、轮循器以及发送接收功能等关键技术的实现工作,完成了大型分布信息系统中消息持久化、零配置以及快速、稳定消息传送的数据交换平台.     

基于订阅内容相似性分组拓扑构建算法

现有发布/订阅系统分组普遍采用随机平均分组,没考虑代理的订阅内容会造成事件在所有分组中转发,增加网络流量.为此,提出一种基于订阅内容相似性分组拓扑构建算法.将每个代理的本地订阅聚集为一个订阅表达式,利用订阅间的相似性,把相似订阅所在代理添加到同一个组中,形成分组拓扑结构.实验结果表明,在不增加订阅信息转发流量和事件转发时延的情况下,可以明显降低事件在代理覆盖网之间转发流量,从而降低网络带宽占用率和代理平均负载.     

Deep Web中基于表单特征的松弛方法

在Deep Web数据集成系统中进行查询松弛时,面对众多异构数据源的属性,如何来判断松弛的先后顺序目前没有很好的方法.根据表单特征来判定属性的重要程度,提出一种针对Deep Web环境的属性松弛顺序判定方法.同时在结果的排序过程中考虑影响松弛结果与查询条件相似性的主要因素,提出了一种更为高效的排序方法.实验结果表明了该方法的有效性.     

支持情境感知计算的上下文服务框架研究

针对纷繁复杂的高层应用亟需的多样化、个性化的环境感知服务需求,提出一种支持情境感知计算的上下文服务框架,自底向上包含上下文信息采集层、信息管理层、事件管理层和门面访问层.信息采集层负责封装感知器捕获的环境资源信息;信息管理层提供信息的组织、维护及持久化;事件管理层建立了复合上下文事件的形式化表达,并引入时间窗口凸显事件的强时效特点;门面访问层提供同步和异步互补的灵活访问机制.实验结果表明了该框架的合理性与可行性.     

基于哈达玛变换的多元时间序列聚类研究

对当前聚类算法进行研究的基础上,提出了有效地实现多元时间序列聚类的方法.用离散哈达玛变换对多元数据进行降维,求出多元变量相关系数矩阵的特征值作为权值.采用带权值的矩阵相似性度量方法,利用改进的K-means算法对多元时间序列进行聚类分析.实验结果表明,该方法能够有效地实现多元时间序列聚类,把具有相似趋势变化的多元时间序列对象划分到同一类中.     

基于证据推理的程序恶意性判定方法

针对可执行程序恶意性难以判定的情况,提出一种基于证据推理的程序恶意性判定方法.首先,建立程序恶意性判定模型;然后,通过对程序进行反编译,抽取影响程序安全性的特征,建立程序行为集合;使用BP神经网络对模型进行训练得到各个行为的概率分配函数BPAF(basic probability assignment functions),并使用加权和形式的合成法则对程序行为进行合成;最后,实现对程序恶意性的判定.实验结果表明了该方法的有效性.