云计算中的群体智能与不确定性知识表示

The lasting evolution of computing environment, software engineering and interaction methods leads to cloud computing. Cloud computing changes the configuration mode of resources on the Internet and all kinds of resources are virtualized and provided as services. Mass participation and online interaction with social annotations become usual in human daily life. People who own similar interests on the Internet may cluster naturally into scalable and boundless communities and collective intelligence will emerge. Human is taken as an intelligent computing factor, and uncertainty becomes a basic property in cloud computing. Virtualization, soft computing and granular computing will become essential features of cloud computing. Compared with the engineering technological problems of IaaS (Infrastructure as a service), PaaS (Platform as a Service) and SaaS (Software as a Service), collective intelligence and uncertain knowledge representation will be more important frontiers in cloud computing for researchers within the community of intelligence science.     

一种基于文本分类和评分机制的软件缺陷分配方法

开源软件项目的缺陷管理和修复是保障软件质量及软件开发效率的重要手段,而提高软件缺陷分配的效率是其中亟需解决的一个关键问题。文中提出了一种基于文本分类和评分机制的开发者预测方法,其核心思想是综合考虑基于机器学习的文本分类和基于软件缺陷从属特征的评分机制来构建预测模型。针对大型开源软件项目Eclipse和Mozilla的十万级已修复软件缺陷的实验表明,在“十折”增量验证模式下,所提方法的最好平均准确率分别达到了78.39%和64.94%,比基准方法(机器学习分类+再分配图)的最高平均准确率分别提升了17.34%和10.82%,从而验证了其有效性。     

基于加权PageRank算法的关键包识别方法

识别软件中的关键实体对于人们理解软件,控制和降低维护费用具有重要意义.然而现有的工作基本都是针对关键类识别的,针对关键包、方法/属性等的研究甚少;同时现有的工作也未能揭示关键类与软件外部质量属性间的关系.为丰富现有的工作,本文提出了一种基于加权PageRank算法的关键包识别方法.该方法用加权有向软件网络模型抽象包粒度软件系统,提出新度量PR(PackageRank)从结构角度量度节点重要性,并引入加权的PageRank算法计算该度量值.数据实验部分以六个开源Java软件为例,分析了包的PR值与常用复杂网络中心性指标(介数中心性、接近中心性、度数中心性等)间的相关性;使用加权的SIR(Susceptible-Infectious-Recovered)模型分析了PR所识别关键包的传播影响,并与其它相关方法进行比较,验证了本文方法的有效性;最后,以其中两个软件为例,分析了包的PR值与包可理解性间的关系,进一步验证了本文方法的有效性.     

一种Web服务综合描述模型

Web 2.0时代,人网交互的便捷赋予了Web服务更多的社会化特性(如评分、评论等),却往往被服务的提供者忽视,导致难以有效实现基于用户体验的服务推荐。针对不同的用户视角,该文提出了一种Web服务综合描述模型,以多视图的方式集成Web服务的技术属性(如操作、消息等)和社会化特性。首先,从逻辑设计的角度出发,给出了其概念模型;然后,从工程应用的角度出发,构造其元模型,指导具体模型的设计;最后,根据一个应用案例,验证了方法的可行性。该模型和相关工具将为实现服务超市中服务的主动推荐奠定基础。     

高阶高斯分布迭代的云模型及其数学性质研究

云模型通过二阶高斯分布研究不确定性,它产生的云滴分布具有尖峰肥尾特性,呈现出幂率衰减.社会学和经济学的研究发现,由于在演化过程中具有偏好依附的特点,许多实际数据呈现出尖峰肥尾的特性,本文试图通过高阶高斯分布迭代产生的高阶云模型的数学性质研究,探寻高斯分布与尖峰肥尾分布之间的联系.基于高斯分布迭代构造具有尖峰肥尾特性的概率分布,通过基于高阶高斯分布迭代的云模型刻画更多的不确定性现象,分析高阶高斯分布迭代的典型参数,与云模型参数进行对比分析,为雾化后的逆向云发生器求解提供了新的手段,同时也为高阶云模型的逆向求解过程提供了方法.     

基于软件体系结构的组件集成框架

根据赵会群等提出的抽象组件定义，给出了相应的迎接件的定义。在此基础上，提出了支持接口连接式和插头插座式体系结构类型的组件模型，片对静态连接和组装给出了形式化的描述。虽然满足了静态相容性，但是系统不一定能正常工作，因此还考虑3组件的互操作性及更进一步的分布透明性，为组件的互操作提供了支持的总线机制。完成了基于软件体系结构的组件集成组装框架，为提高重用率、软件开发效率和质量提供了可能。     

软件连接件建模方法的研究

在已有研究工作的基础上，归纳总结了连接件的基本定义，提出了一个“4＋1”视图模型来对连接件进行建模，并对该模型涉及的视图进行了讨论。其中，交互规则／协议视图的构建是整个建模过程的重点，借鉴交际行为学中的有关原理构造了一个抽象、可扩展的交互模式框架，为其实现提供了良好的设计蓝图。     

一种基于元路径的异质信息网络链路预测模型

真实世界中不同类型的对象之间相互连接,形成异质信息网络.预测网络中对象之间的连接或交互是网络分析中的一个重要任务.不同于传统的同质性网络的链路预测,异质信息网络中,由于存在多种类型的节点和边,节点之间可以通过不同的关系进行连接.文中使用元路径,即通过一组关系连接了多种节点类型的路径,来描述异质信息网络中不同类型对象之间各种连接的不同语义,从而提出一种异质信息网络链路预测模型,通过组合对象之间在不同元路径上建立连接的概率来进行链路预测.在DBLP和Last.fm两个真实数据集上的实验结果表明:在7种关系的链路预测中,相比最好的基准方法,文中方法的AUC值平均提升了5.93%;另外,在链路预测中,通过元路径区分不同类型的节点和边之后,预测精度得到了明显提升;最后,为了平衡预测精度和模型的可扩展性,实验分析表明链路预测中仅考虑路径长度小于5的元路径就已经足够产生很好的预测结果.