基于信息冗余分散的两种系统可存活性模型

分析和讨论了基于信息冗余分散的两种可存活系统模型——高可靠和高安全模型．提出了信息冗余分散的二部图模型，通过分析点覆盖集与可存活性之间的联系，得到了基于信息冗余系统的可存性有效分析方法．重点分析了高可靠和高安全模型，包括模型的系统可存活性特性、模型的局限性以及模型的改进方法．分析结果表明，合理的信息冗余分散可以明显地改善系统的可存活性。     

基于联合概率矩阵分解的上下文广告推荐算法

上下文广告与用户兴趣及网页内容相匹配,可增强用户体验并提高广告点击率.而广告收益与广告点击率直接相关,准确预测广告点击率是提高上下文广告收益的关键.目前,上下文广告推荐面临如下问题:(1) 网页数量及用户数量规模很大;(2) 历史广告点击数据十分稀疏,导致点击率预测准确率低.针对上述问题,提出一种基于联合概率矩阵分解的因子模型AdRec,它结合用户、广告和网页三者信息进行广告推荐,以解决数据稀疏时点击率预测准确率低的问题.算法复杂度随着观测数据数量的增加呈线性增长,因此可应用于大规模数据.     

基于信息冗余分散的系统可存活性研究 基于信息冗余分散的系统可存活性研究

系统可存活性是开放网络环境带来的新的研究方向，本文建立了信息冗余分散模型G＝（S，Z；E），并根据点覆盖集与可存活性之间的联系提出信息冗余系统可丰活性的有效分析方法。文章给出了信息冗余分散可存活性的实例分析结果，表明了系统可存活性的提高以及以保密性的影响。