基于用户兴趣挖掘技术的微博信息推送应用研究

以模拟器的方式对微博大量数据进行爬取计算,对微博数据进行自动清洗,并结合关键词抽取等语言处理技术对微博用户数据进行分析和挖掘,准确分析用户兴趣对微博数据挖掘研究具有重要的意义.对平台设计的需求进行了分析,结合用户兴趣挖掘技术,对平台总体架构的设计进行了研究,并从用户微博信息推动应用方面,对平台的功能模块进行了设计.     

一种新的基于ARIMA-SVM网络流量预测研究

研究网络流量预测精度问题,网络流量受多种因素的综合影响,其变化具有周期性、非线性和随机性等特点,将ARIMA模型和SVM模型相结合建立一种网络流量预测模型。采用ARIMA预测网络流量周期性和线性变化趋势;然后采用SVM对网络流量非线性和随机性趋势进行拟合;最后将两者结果再次输入SVM进行融合,得到网络流量最终预测结果。采用具体网络流量数据对模型性能进行测试,仿真结果表明,ARIMA-SVM提高了网络流量预测精度,降低了预测误差,能更全面刻画网络流量变化规律。     

网络伪装不良信息检测方法的研究与仿真

研究网络中不良文字信息检测问题,提高检测的准确率。针对传统的不良信息检测方法都是针对具体的非法汉字进行对比检测的,没有考虑到汉字中的语义特征,当不良信息由合法汉字组成的时候,基于特征的检测方法由于没有考虑语义的因素,过于依赖不良汉字库,造成不良信息漏检率很高的问题。为解决上述问题,提出一种根据语义关联决策的信息过滤技术,通过计算信息语义与不良信息语义的关联程度,运用语义因素判定非法信息,有效克服传统方法的弊端。实验证明,方法能快速、完整地将高度伪装的不良信息检测出来,保证了信息的安全,取得了不错的效果。     

云数据库在高校计算机专业教学中的应用

随着云计算的信息化教学系统在高校教学中的应用,每天都会产生大量不同结构的教学数据,大数据时代的高校教学方法需要高可用性、低成本、大规模并行处理的数据库系统,云数据库的这些优点使其成为计算机教学中的理想选择.介绍云数据库概念及系统构架,并将云数据库应用到高校计算机教学中,并给出云数据库应用在计算机专业教学中的优势.     

语义网与本体

深入了解了语义网的由来,研究语义网的结构,通过对Unicode和URI、XML+NS+XML Schema、RDF+RDF Schema、Ontology vocabulary 4个层次模型来铸造稳固的结构。将本体技术融入到语义网运行过程中,实现知识共享和交换的目标。     

大数据与个人信息隐私安全研究

大数据时代的到来为企业带来了丰厚的利润,也为人们的生活带来了便利。但是大数据时代同样使得个人信息隐私数据化,人们的个人信息隐私随时有被曝露的危险。目前个人信息隐私安全问题已得到国家、企业和个人的广泛关注。探讨了大数据时代个人信息隐私安全面临的新挑战,总结了目前大数据时代下个人信息隐私曝露的途径,提出了相应的保护措施。