基于地理标签的LBSN链接预测模型

为更深入挖掘用户位置信息,本文从位置语义相似性角度挖掘用户特征.利用LDA算法对用户签到信息进行位置主题建模,采用Gibbs采样算法计算LDA模型中的分布函数,并根据这些分布提出了基于签到地点语义的用户相似性特征向量.利用有监督的机器学习算法,综合LBSN的网络结构信息、签到地点信息、地点语义信息得到多维相似性特征向量来进行链接预测.在Gowalla数据集上的实验结果表明,相较于传统的链接预测算法,将基于签到信息的多个相似性特征作为辅助信息的链接预测算法显著提高了LBSN链接预测的性能.     

稀疏表与块表结合的多租户共享存储模型

针对传统单稀疏表存储模型存储空间利用率低以及块表存储模型重构租户逻辑关系时连接次数多的问题,提出了稀疏表与块表结合的存储模型.该存储模型中将租户基于SaaS应用服务商提供的逻辑表上定制的属性及自定义的逻辑表中的属性映射到列数合适的稀疏表中存储,而将租户一部分常见数据类型的自定义的属性存储到块表中,以此避免因扩展字段的列数超过稀疏表列数导致的数据迁移问题,最后通过定义查询重写器给出了从租户逻辑SQL请求到物理SQL请求的转换.实验结果表明,该存储模型在存储空间利用率及查询效率上相比传统的稀疏表存储模型都有所提升.