排序方式: 共有55条查询结果,搜索用时 140 毫秒
2.
为了根据公告服务质量随机性和实际服务质量随机性之间的一致性来计算服务质量的信誉,首先利用分布函数表示服务质量随机性,并给出一种服务质量经验分布函数的增量式更新方法。通过将服务质量公告值和实际观察值视为随机变量,并以随机优势理论为基础,设计结合随机服务质量公告及实际观察值的信誉度量模型。模型考虑了公告服务质量随机性和实际服务质量随机性之间不同的优势关系,以及服务质量观察值波动对信誉的影响。理论分析与实验验证了模型的合理性及其在服务选择中应用的有效性。 相似文献
3.
知识集成的工作流系统框架研究 总被引:7,自引:0,他引:7
通过研究分析知识密集型业务流程的特点及其知识管理的方法,参照WfMC的基本工作流模型,提出了知识集成的工作流模型以及工作流管理的系统框架。用于描述知识密集型的业务流程中知识与知识、知识与人、知识与业务流程的关系,为知识管理提供了一种新的手段。 相似文献
4.
利用缓存优化关系数据的XML发布 总被引:3,自引:0,他引:3
随着Web的不断发展,XML逐渐成为Web数据表示和交换的标准.但是大量企业数据仍然存储在关系数据库中,因此必须将关系数据发布成为XML文档并且传送给合作者.目前广泛采用的发布方式是针对每个用户的请求独立完成的.但是这样的发布方法忽视了用户发布请求所具有的相似性,导致发布成本高和响应时间长的问题.基于用户发布请求的相似性,提出了挖掘频繁发布请求并且缓存中间结果的解决方法.当新的发布请求发出时就可以利用缓存的中间结果,从而在很大程度上降低响应时间.初步实验研究表明提出的方法具有较高的效率. 相似文献
5.
随着电子商务的迅速崛起,基于Web的应用模式迅速发展,Web应用从局部化发展到全球化,从B2C(business-to-customer)发展到B2B(business-to-business),从集中式发展到分布式,Web服务成为电子商务的有效解决方案.Web服务是一个崭新的分布式计算模型,是Web上数据和信息集成的有效机制.Web服务的新型构架,Web服务的高效执行方式,Web服务与其他成熟技术的有机结合以及Web服务的集成是解决现实应用问题的重要技术.从Web服务研究的不同侧面对其进行了综述,阐述了Web服务的基本概念,分析了当前Web服务的主要研究问题及其核心支撑技术,概括了Web服务中的数据集成技术、Web服务的组合、语义Web服务、Web服务发现,Web服务安全,P2P(Peer-to-Peer)新型计算环境下的Web服务解决方案和网格服务等方面的研究内容,并对这些技术进行了总结,结合已有的研究成果,展望了Web服务未来的研究方向及其面临的挑战. 相似文献
6.
事件诱因是诱导事件发生的因素,从事件特征数据构建事件诱因模型,进行事件诱因估计,是解决舆论控制、精准决策支持和用户行为定向等问题的重要基础.本文以公共突发事件为背景,以贝叶斯网为不确定性知识表示和推理的基本框架,以多值隐变量来描述事件诱因的多个取值,提出一种基于带隐变量贝叶斯网(隐变量模型)的事件诱因模型构建方法,进而利用概率推理算法估计事件诱因.针对事件诱因存在多个取值的问题,本文基于分支限界思想提出最优取值子集提取算法.建立在真实数据集上的实验结果表明,本文提出的事件诱因模型构建方法及相应的诱因估计方法是有效的. 相似文献
7.
空间众包技术在现实物理世界中有着丰富的应用场景,得到学术界和工业界的广泛关注.任务分配是空间众包的主要研究问题之一,即把工人分配给合适的任务.但是现有的任务分配方法大多假设众包工人和空间任务出现的位置和时间是已知的,忽略了真实的众包平台中众包工人和空间任务的动态变化,由于空间众包平台的强时效性,这种情况下设计的分配方式只能得到局部最优分配结果.提出最大价值最小成本任务分配的新问题,目标是对当前和未来的工人进行分配,使用最小的移动成本获得最大的分配价值.为解决这一问题,提出了基于轨迹的任务分布预测方法及基于核密度估计的工人分布预测方法,设计基于位置预测的任务分配算法来计算众包工人和空间任务的相对最优分配策略.所提位置预测方法利用图卷积神经网络和ConvLSTM模型进行预测,相较传统基于网格的位置分布预测更加精确和稳定.基于位置预测的启发式分配算法可以在线性时间内结合预测得到的位置信息完成任务分配,更加契合空间众包平台的强时效性.在真实数据集上进行大量实验来证明所提方法的有效性,相比于基于网格的预测方法,任务/工人位置预测准确率分别提高了15.7%和18.8%. 相似文献
8.
9.
10.
影响最大化旨在从给定社会网络中寻找出一组影响力最大的子集.现有工作大都在假设实体点(个人或博客等)影响关系已知的情况下,关注于分析单个实体点的影响力.然而在一些实际场景中,人们往往更关注区域或人群等这类团体的组合影响力,如:户外广告,电视营销,疫情防控等.本文研究了影响力团体的选择问题:(1)基于团体的关联发现,我们建立了团体传播模型GIC(Group Independent Cascade);(2)根据GIC模型,我们给出了贪心算法CGIM(Cascade Group influence maximization)搜索最具影响力的top-k团组合.在人工数据和真实数据上,实验验证了我们方法的效果和效率. 相似文献