基于弹幕情感分析和聚类算法的视频用户群体分类

随着数字媒体等技术的发展,出现了弹幕系统这种新型的评论模式并逐渐流行。它能够使视频观众即时发布关于视频情节内容的评论,也可以帮助观众理解视频内容。弹幕文本数据的产生,为短文本处理和实时数据处理提供了新的素材。研究弹幕数据的特点和其表达的情感,可以帮助我们更好地理解视频情节;研究弹幕内容之间的相似度进而分析用户之间的关联关系,不仅能够深入了解弹幕用户的特点、发掘不同视频之间的潜在联系,而且可以为视频制作时受众群体的选择提供更为准确的解决方案。首先将弹幕文本数据进行收集和预处理,然后计算这些文本的情感值。针对弹幕文本口语化的特点,建立了网络弹幕常用词词典。通过改进传统的k-means聚类算法,对所有发表弹幕的用户进行基于情感值的分类。这样的分类可以帮助我们了解观看特定类型视频的观众在情感上的异同点。     

基于电信数据的室外定位技术研究

越来越多的移动计算依赖位置信息提供基于位置的服务,移动设备的室外定位技术至关重要。目前广为采用的方式是GPS,但移动设备端的GPS位置信息依赖移动设备如手机的GPS传感器获取,电信运营商虽然为用户提供通话和数据服务,却无法获得用户的精确GPS位置。针对这种情况,提出利用手机端和电信基站之间的连接信号数据(简称电信数据),实现移动设备的定位服务。考虑到电信运营商积累了海量的电信数据,因此通过研究基于电信数据的室外定位技术,使得运营商获取用户位置成为可能。提取电信特征数据、以手机所在GPS位置作为标签数据,研究了五种基于机器学习模型的室外定位算法,实现了从基站信号数据到GPS坐标点的预测,通过大量的实验对比了这些方法的定位精度和运行时间、不同数据收集模式的定位精度、不同特征的定位精度以及探索了后处理对定位精度的提升效果。最终通过实验可知,基于栅格化的随机森林分类模型是效果最好的方法,能够达到15~20m的平均误差和10m的中位误差,比前期回归算法在2G和4G数据分别实现了39.46%和54.28%的精度提升,取得与GPS定位接近的定位精度。     

TD-LTE终端性能优化

给出TD-LTE终端的优化方法,使其能连续、稳定、实时地测试演进型Node B(eNodeB)。该终端由1个现场可编程门阵列和2个数字信号处理器构成,能够实现手机物理层的上下行链路。在测试TD-LTE终端时,可以模拟手机发送上行数据给NodeB并处理eNodeB发送的下行数据。采用搬移内存、硬件加速和分布式多核计算的机制,实现物理下行共享信道和上行共享信道(PUSCH)的优化。