基于节点兴趣的非结构化P2P搜索机制

针对P2P系统缺乏有效信息搜索机制的问题,提出一种基于节点兴趣的非结构化P2P搜索机制。通过挖掘每个节点的兴趣,将节点按照其相关性组成网络,使相关性高的节点在网络中距离较近。在P2P网络中进行信息搜索时,只将查询消息路由到相关兴趣的节点上,以改善搜索效率。     

基于兴趣域的 P2P 气象资料搜索机制研究

P2P 技术有助于解决目前气象资料传输效率不高的问题,如何高效地搜索资源是 P2P 网络中最为关键的问题.文中为了在 P2P 环境中实现气象资料的更快更精确搜索,结合气象资料特点,提出了一种基于兴趣域的 P2P 气象资料搜索机制.通过该方法建立气象元数据向量空间模型,计算向量空间模型相似度来划分不同兴趣域,从而提高搜索成功率.实验结果表明该方法只将查询消息路由到相关兴趣的节点上,缩短了平均搜索路径,提高了查询效率,高于一般洪泛算法     

基于兴趣挖掘的非结构化P2P搜索机制研究与实现

在非结构化P2P环境下,搜索机制是影响信息检索的关键因素之一.提出一种基于兴趣索引表的搜索机制,并在此基础上实现非结构化P2P信息检索原型系统Isearch.该机制首先利用向量空间模型将文件内容向量化,然后对向量空间进行聚类,得到节点的兴趣度,再计算节点之间的兴趣相似度,在本地建立兴趣索引表.在搜索时,根据兴趣索引表直接将查询请求转发到有相似兴趣的节点.实验结果表明,该机制既不影响查询结果,又能减少访问节点的数量,提高查询效率.     

基于兴趣域的P2P气象资料搜索机制研究

P2P技术有助于解决目前气象资料传输效率不高的问题,如何高效地搜索资源是P2P网络中最为关键的问题。文中为了在P2P环境中实现气象资料的更快更精确搜索,结合气象资料特点,提出了一种基于兴趣域的P2P气象资料搜索机制。通过该方法建立气象元数据向量空间模型,计算向量空间模型相似度来划分不同兴趣域,从而提高搜索成功率。实验结果表明该方法只将查询消息路由到相关兴趣的节点上,缩短了平均搜索路径,提高了查询效率,高于一般洪泛算法。     

基于P2P的流媒体系统资源定位机制研究

针对P2P流媒体系统资源定位问题,本文提出一种改进的P2P无结构网络模型及相应的搜索算法。网络模型中根据节点能力把节点分成不同级别,文件信息发布按照低级节点向高级节点逐级汇报的方向进行,减少了查询延迟时间和消息冗余;同时,根据节点兴趣把节点分为不同的兴趣域,查询消息在兴趣域内传播,提高了搜索效率和搜索成功率。仿真实验证明了网络模型和搜索算法的有效性。     

基于用户兴趣的P2P资源搜索算法设计与分析

P2P搜索效率跟P2P用户的特性相关,本文将基于P2P用户的群聚特性,在纯P2P网络之上,构建基于用户兴趣的覆盖网络,并设计相应的资源搜索策略.本文通过计算节点间的相似度来构建覆盖网络,根据查询请求和节点的相关度来决定搜索策略并从理论上证明了本文提出的搜索算法的性能优于随机漫步和简单洪泛.实验结果显示,本文提出的搜索算法的平均搜索时间和消息复杂度均优于随机漫步搜索算法.     

一种基于兴趣协助的P2P网络共享文件搜索方法

分析了传统的结构化P2P网络和非结构化P2P网络搜索方法的优点和缺点,提出了一种基于兴趣协助的搜索方法,通过在结构化P2P网络节点上发布兴趣来加速非结构化P2P网络上的查询。实验结果表明,此方法在查询成功率和搜索延迟等方面都有着较好的性能。     

基于最近邻搜索算法分组式P2P网络拓扑模型

为了在P2P环境中实现资源的更快更精确搜索,引入兴趣相似度计算方法,提出一种基于最近邻搜索算法的分组式P2P网络拓扑模型.在这个模型中,采用余弦相似性方法计算共享资源的相似程度;相似程度较高的节点形成朋友节点进行逻辑连接,兴趣相近的节点聚集成一个小组,结合缓存机制实现共享资源的高效搜索.模拟实验查询结果表明,兴趣相似度Sim值越大资源搜索越精确.模型中相似度的引入增强了P2P网络中资源定位的准确率,提高了搜索效率.     

面向用户需求的非结构化P2P资源定位泛洪策略

在非结构化P2P网络中,如何对用户所需资源进行快速、准确定位是当前研究的热点问题,也是P2P应用领域面临的核心问题之一.相关的非结构化P2P资源定位算法在查准率、查全率和查询成本上难以同时被优化,这会造成严重的网络带宽负担以及巨大的索引维护开销.为此,提出一种面向用户需求的非结构化P2P资源定位策略(user requirements resource location strategy,简称U2RLS).该策略的创新点是:在原有非结构化P2P网络资源定位泛洪算法的基础上,融入用户需求、用户偏好、用户兴趣度等因素,首先进行用户资源子网划分;采用带有用户需求信息的泛洪和查询索引机制,对用户所需资源进行精确定位.该策略有效避免了因海量信息引起的网络风暴、信息重叠和资源搜索偏覆盖等问题,从而解决了查询节点盲目使用中继节点的现象.实验结果表明:面向用户需求的非结构化P2P资源定位策略U2RLS以其高搜索成功率、有限网络资源消耗和短查询时间响应等优势,能够显著地提高用户资源定位效率.     

基于兴趣挖掘的纯P2P搜索机制研究与实现

在纯P2P环境下，搜索机制是影响信息检索的关键因素之一。本文提出一种基于兴趣索引表的搜索机制，并在此基础上实现纯P2P信息检索原型系统Isearch。该机制首先利用向量空间模型将文件内容向量化，然后对向量空间进行聚类，得到节点的兴趣度，再计算节点之间的兴趣相似度，在本地建立兴趣索引表。在搜索时，根据兴趣索引表直接将查询请求转发到有相似兴趣的节点。实验结果表明，该机制既不影响查询结果，又能减少访问节点的数量，提高查询效率。     

一种基于P2P的短视频分享系统

现有在线短视频分享策略通常采用C/S架构,给视频服务器带来较大的带宽压力。为此,提出一种采用点对点方式的在线短视频分享系统IShare,该系统结合用户点播偏好和视频文件之间的社会网络特性实现视频分享。IShare主要包括基于点播兴趣的节点分簇和视频数据源节点的查找2个核心技术。实验结果表明,IShare具备较好的视频数据源节点查找能力,可降低视频服务器带宽资源消耗。     

P2P搜索新技术：智能搜索技术

在P2P网络中正确高效地搜索信息十分重要,然而现有的搜索技术并不能很好地满足用户要求。文中提出了由历史记录、相似度和站点优先级3部分组成的新的信息搜索技术———智能搜索技术。在智能搜索技术中每个站点都各自记录以往搜索的历史记录,以此结合搜索要求计算出最可能拥有所需结果的站点,最后仅向这些站点发送搜索请求。通过在中间件上的测试,比较了不同信息搜索技术的性能,智能搜索技术能在使用较少搜索消息的情况下得到较高的搜索成功率。     

基于IPv6的三层混合P2P覆盖网络模型

研究现有的非结构化对等(P2P)网络,结合IPv6以及人类社会资源查找方法,提出一种三层混合P2P覆盖网络模型。在该模型中,具有相同IPv6网络前缀的节点组成一个域,域内节点根据属性相似性划分为若干个兴趣组,组内节点管理功能由智能节点完成,域内路由节点负责跨域路由消息。仿真结果表明,该模型能提高资源查找效率,缩短查找时延,减少消息路由跳数。     

P2ST：基于带权搜索树的P2P搜索模型

针对非结构化P2P系统搜索效率低的问题,提出了一种基于K叉带权搜索树的P2P搜索模型P2ST.模型构建了服务于搜索的k叉带权树,节点按查询命中率大小在树中由上至下排列,命中率大且稳定的节点处于树的上层,搜索时可由此确定消息扩散的方向.采用缓存上层节点、建立搜索结果和发起节点索引、过热资源复制、为叶节点添加远程邻居等方法进一步提高搜索效率和平衡负载.分析和仿真结果表明,提出的模型能大量减少无效消息,具有较高的搜索效率,且维护搜索树的开销较小.     

P2P网络中基于网络拓扑特性的信任管理

基于社会规则和非结构化P2P网络的拓扑特性,提出一个用于非结构化P2P网络的信任管理方案,给出评价信息的分布式存储方案和信任度的计算、更新、搜索方法。该方法的计算复杂度和报文通信量较低。仿真实验结果表明,该信任机制能有效抵制非结构化网络中恶意节点的攻击。     

一种令P2P覆盖网络拓扑相关的通用方法

利用分布式哈希表,有结构的对等(peer-to-peer,简称P2P)网络具备了较短的路由长度和较好的扩展性.然而,由此产生了覆盖网络和物理网络之间的不匹配问题,它严重阻碍了在大规模环境下建立有效的对等网络.提出一种通用的、协议无关的方法来解决该问题.该方法基于节点交换机制,通过发现并实施有利于覆盖网络和物理网络匹配的节点交换来降低网络时延、提高性能.实验表明,该方法在明显降低了覆盖网络的平均时延的同时,也保证了额外开销可控.此外,若与其他协议相关的方法相结合,系统性能还可以得到进一步提高.     

对等网络中基于分组的层次化搜索模型

由于对等网络上的资源不是在一个单一的服务器上,而是分散在各个对等体上,理想状态下各个对等体是平等的,但它们在提供资源能力上又是各不相同的,因此,在进行查询搜索时,需要对这些对等体给予不同的优先级和处理方法。本文在分析对等网络中现有的搜索机制的基础上,提出了一种利用节点的分组和层次化来提高搜索的效率,增强系统的扩展性的搜索模型。     

基于节点兴趣和Q-learning的P2P网络搜索机制

将智能手机设备加入基于非结构化P2P网络的资源共享系统中能够满足人们对资源共享的多样化、便利性、高频性、实时性、高效性等要求,但是该系统网络规模的扩张和网络节点互异性的加大,必将导致系统资源搜索效率的降低、冗余信息的剧增以及网络更加不稳定。为了解决这些问题,文中设计了一种改进的基于节点兴趣和Q-learning的资源搜索机制。首先将节点根据兴趣相似度进行兴趣聚类,划分兴趣集,然后根据兴趣集中节点的能力值构建兴趣树,该结构避免了消息环路的产生,极大地降低了冗余信息;在资源搜索中,兴趣树内采用洪泛算法转发消息,兴趣树之间采用基于Q-learning的消息转发机制,不断强化最可能获取目标资源的路径,查询消息优先在这些路径上传播。另外,针对“热点”资源问题,设计了自适应热点资源索引机制,减少了重复路径搜索,进一步减少了冗余消息量;针对节点失效的问题,给出了根节点冗余机制和捎带检测的策略方法,分别解决了根节点失效和普通节点失效导致的兴趣树的不完整性问题,分析表明该方法能够减少消息冗余量。仿真实验结果表明,与GBI-BI算法和Interest CN算法相比,所提搜索算法能够提高命中率,缩短响应时间,减少冗余信息,具有较好的综合性能,最终解决了由于智能手机设备加入P2P网络导致的资源搜索效率下降、网络流量开销大的问题。