基于隐性反馈与交叉推荐的癫痫药物推荐系统

癫痫是一种较为常见的脑部疾病,也是一种长期性神经系统疾患.目前全球有大量的患者饱受癫痫带来的痛苦.癫痫虽然不能根治,但是约70％癫痫病例的抽搐发作可以通过药物控制.电子健康病历蕴含着众多癫痫患者的信息,为个性化药物的处方提供了海量大数据资源.文章通过对医疗电子病例进行大数据分析,提出一种基于隐性反馈模型与交叉推荐的药物推荐方法(Implicit Feedback and CrossingRecommendation,IFCR),以帮助医生选择合适的药物.该方法通过分析患者的看病历史以及相似患者的看病经历,建立患者症状与医生用药之间的对应关系,从而根据患者症状为医生提供药物推荐.与基于人工神经网络的药物推荐系统进行对比试验发现,文章提出的药物推荐系统在召回率上具有显著优势,而在精确率上二者各有优劣.总体来看,文章所提出的IFCR方法效果更为出色.最后,通过对两种方法的推荐结果做进一步分析发现,二者推荐倾向不同,因此存在建立集成模型的可能.     

一种基于小数据同步写的回写I/O调度器

小数据同步写普遍存在于的各种计算机环境中,并且可以由计算机系统的不同层次软件产生,从底层操作系统一直到上层应用软件都可以生成小数据同步写请求.然而,操作系统的文件系统是以块作为最小逻辑可寻址单位,小数据写将会导致严重的写放大问题,使得系统的I/O性能大幅降低.为了解决上述问题,我们提出了一种新的I/O调度器,并将它取名为“Hitchhike”.该调度器可以识别小数据写,并通过对其他数据块中的数据进行压缩,,将小数据嵌入到压缩出来的空间中,从而将小数据和该数据块一起写入到磁盘上,以异步回写的方式完成小数据的同步写,不仅有效缓解了磁盘的写放大问题,也大大提高了小数据同步写的效率.我们基于Linux中Deadline调度器实现了Hitchhike原型系统,并利用Filebench基准测试来测试调度器在吞吐量、I/O延迟等方面的性能.通过和传统I/O调度器的性能进行比较,我们可以发现Hitchhike调度器能够显著的提高小数据同步写性能高达48.6%.     

基于用户特征聚类联合情境特征的多维度应用推荐系统

随着移动设备的普及、同时大数据时代数据过载问题的日益严重,如何更准确地根据用户的兴趣及行为向用户推荐其可能感兴趣的应用软件成为亟待解决的问题。现有的推荐系统方法大多面临着推荐内容较为单一乏味等问题,且在推荐时没有将用户所处情境加以考虑,导致推荐效果欠佳。该文提出一种基于用户特征聚类联合情境特征的多维度应用推荐系统。经奇异值分解降维并去噪后的用 户特征数据会被层次聚类为多个用户组,之后与用户所处情境信息联合输入至贝叶斯模型,得到应用推荐准确概率的降序推荐列表,从而实现更加准确的应用推荐。该文在分布式框架下实现了所提出的推荐系统,使其运行高效可靠。经验证,经过奇异值分解处理后的数据组内平均差值降低至 0.4,聚类 后得到的应用推荐召回率提升至 73%,较基于用户协同过滤与基于关联规则的方法有 5%～16% 的显著 提升,且贝叶斯模型的量化指标均有约 10% 的提升,充分验证了所提出算法及系统的有效性。     

基于公共交通智能卡数据的可视化分析

针对现有公共交通数据的可视分析方法很难在不同空间粒度下对乘客时空分布、客流时空分布、区域间客流时序变化进行多任务分析的问题,设计实现了一个多视图融合的可视化分析系统。该系统结合城市公共交通的智能卡数据、车辆GPS数据、地铁和公交线路信息,利用出行链路模型和基于出行时空特征的回归模型完成了乘客起讫点（origin-destination,OD）推断;然后,设计了层次聚类的地图可视化方法,结合了融合方位信息的玫瑰图和动态对比堆叠折线流图来分析各区域间的客流时序特点、关联关系;最后,利用真实的深圳市公共交通数据的可视分析结果验证了系统的有效性。     

面向企业生产集成系统的物料推荐系统

针对目前生产制造信息平台因多系统集成带来的物品检索量过大、信息冗余、人工筛选耗时、不支持近似查询等问题，提出一个可集成于当前工业信息系统的“物品-用户”组合推荐模型。该推荐模型组合了基于内容推荐和基于协同过滤推荐。在推荐项方面，考虑了推荐项的具体形态，全面分析物料清单 (含零部件、半成品、产品)所包含的特征，提出基于内容相似、物料清单结构相似及两者集成的相似距离定义方法，并按物品的不同选择不同的方法来定义物品间的近似距离，同时以距离为基准划分主题或分类。对于模型中的用户，主要针对生产系统特点来量化用户兴趣、定义用户近似公式。最后，以系统套件的方式实现了推荐平台的建立，并引入最新的研究成果解决了系统冷启动问题。实验表明，物料推荐平台有效填充了现有信息系统的空缺功能，能为用户准确推荐满足其需求的物品，提高信息获取的效率。     

云计算异构环境下Hadoop性能分析

通过将虚拟化技术引入到传统的数据中心来实现计算资源的按需分配,云计算服务正获得日益广泛的应用,例如亚马逊所提供的弹性云计算服务EC2。另一方面,Hadoop作为MapReduce这一大规模数据的分布式并行计算模型的开源实现,在学术界和工业界都获得了越来越多的研究和应用。当前的一个研究热点问题就是如何将云平台这一异构化的底层基础设施,与Hadoop的上层计算模型有效结合起来,利用云平台所提供的弹性资源来充分发挥Hadoop高扩展性、高容错性、低硬件配置的优点。在这篇论文中,我们在异构云平台环境下进行了一系列的Hadoop性能测试和分析,并指出在这一环境下,由于虚拟机的高IO开销,导致Hadoop的性能相比传统的纯粹物理节点集群急剧降低。我们的工作可以作为研究云计算异构环境下如何提高Hadoop性能的一个重要基础。     

大规模分布式文件系统元数据管理综述

文件系统的元数据主要是用来描述它的命名空间,访问权限和数据定位等信息的数据。由于50%～80%的文件系统访问要涉及到元数据,元数据服务的性能将极大地影响整个分布式文件系统的性能。为此,文章重点讨论元数据管理面临的问题,从元数据服务的高可扩展技术、高性能技术和高可用技术三个主要方向进行综述,重点分析了各自的主要问题以及目前发展起来的一些主流技术,同时对未来分布式文件系统的元数据管理一些值得关注的问题进行了梳理和展望,为相关研究提供一定的参考。     

基于集成模型的BOM近似度量方法

为满足多品种小批次、大规模定制模式下有效划分产品族的需求，全面分析BOM（Bill of Materials，物料清单）所包含的特征，概括已有结构近似方法并提出内容近似度量模型，在此基础上提出组合两者的集成模型.结构近似模型方面，以包含BOM层次结构和物料数量的相邻矩阵表示BOM，利用正交普氏分析法计算BOM与BOM之间的近似程度.内容近似模型方面，从BOM文本中提取有效特征，引入逆向词频法将文本特征转换成机器可识别向量形式，采用余弦近似公式完成向量近似的计算.集成模型提出基于基尼系数的权重分配方法集成结构和内容两种模型.最后，提供测试框架并通过实验评价集成模型较已有方法在模型性能及训练耗时上的优劣.     

城镇污水处理厂接纳企业外排废水的评估方法

“污水零直排区”使部分工业企业存在将外排废水纳入城镇污水处理厂的迫切需求，但外排废水直接纳入城镇污水处理厂对其稳定运行和达标排放存在风险。针对某城镇污水处理厂和制药企业，通过对废水水质和可生化性的测定、工业废水对污泥活性的影响试验、污水处理厂接纳工业废水后理论出水水质的计算，以及工业废水对污泥化学需氧量(COD)降解的影响试验，评估了城镇污水处理厂接纳该工业废水的可行性，并制定了接纳工业废水的实际方案。进一步通过分析污水处理厂接纳工业废水后的出水水质情况，论证评估流程和纳厂方案的有效性。在此基础上，系统提出基于试验研究和理论计算的城镇污水处理厂接纳工业废水的评估方法，为城镇污水处理厂和工业企业的稳定运行提供科学依据和技术保障。