深层网中基于入口查询的袁单填充策略

针对深层网中数据量大导致无法被传统搜索引擎索引的问题,在提取网页中,改进启发式规则识别表单查询入口,在表单标签与内容匹配时,改进基于语义的相似度匹配算法进行表单内容填充。实验结果表明,提取表单标签的准确率达到9423％,匹配成功率达到88．83％,填充成功率达到95．43％。     

深层网查询表单标签识别技术研究

随着Internet的飞速发展和动态网页技术的持续应用,深层网中含有越来越多宝贵的资源,如何让系统自动提取这些资源,供人们检索分享,成为近年来的研究热点。提出了逆向搜索匹配算法(RSM),用于识别深层网查询表单控件的标签。算法将查询表单看作有序的文本和控件序列,结合控件类型以及与文本的间隔关系进行标签识别。通过4组数据的实验,验证了所提出方法的有效性。     

一种有效的标签抽取和匹配方法

标签抽取和匹配是查询接口理解的重要组成部分。提出了一种基于视觉的标签抽取和匹配方法,深入分析了相关匹配因子,给出了一种对查询接口表单进行重构的方法,它能依据接口HTMI_源代码自动还原出该表单的视觉布局特征。在最终的匹配算法中,综合考虑了基于label标记的匹配、基于文本语义的匹配以及基于位置特征的匹配。在8个领域共计277个查询接口上的实验证明了所提方法能取得较高的匹配精度。     

基于图表示和匹配的表单定位与提取

为了实现对不同类型、分辨率和方向的快递表单上用户感兴趣区域信息的获取,本文提出了一种基于图表示和匹配的表单定位与提取方法。选择参考表单中已有的印刷图案或字符等关键区域作为基准位置,进行图的表示。基于图像分割得到的候选关键区域对待处理表单进行图表示。然后,根据图的属性计算待处理表单与参考表单的相似度。最后,将最大相似度对应的同构图作为参考表单图的最优匹配,并建立同构图与参考表单图位置映射,定位出表单。本文实验数据集来源于真实场景下采集的快递包裹表单图像。实验结果表明:本文算法在快递包裹表单图像上具有良好的性能,对旋转、光照变化、局部遮挡具有较好的鲁棒性。     

用VF设计一个简易日历表

本文通过简易的表单制作，添加表单的方法程序，在程序中巧妙设置标签控件的Caption及Visible属性值，来达到动态显示用户所选定年月的日历表。     

基于改进ORB特征点的LK光流算法

针对传统ORB特征点匹配准确率低和在光流算法中跟踪特性差的问题,提出了一种基于改进ORB特征点的LK光流算法。首先结合FAST特征点和rBRIEF特征描述符计算出ORB特征点;然后结合SURF算法在特征提取步骤中构建的Hessian矩阵对ORB特征点进行再提取;最后对改进ORB特征点进行特征匹配测试和LK光流跟踪测试。实验结果表明,相较于传统ORB特征点,改进ORB特征点的特征匹配准确率平均提升20.96%,LK光流跟踪成功率平均提升19.73%。本文提出的改进ORB特征点不仅拥有更好的特征匹配效果,同时具有更好的跟踪特性。     

Deep Web接口的自动识别技术研究

获取Deep Web中信息的主要途径是通过在其提供的查询接口上提交查询来实现的,目前大部分的研究以表单内的

标签获得表单内容结构,判断是不是一个Deep Web查询接口。提出了接口块的概念,设计了一种基于页面信息和视觉信息的接口块定位方法,最后将判定接口块是不是Deep Web接口看作是一个模式识别的分类问题,通过抽取适当的表单结构特征,采用C4.5决策树和SVM相结合的分类算法来进行接口块的判定,得到页面中含有的Deep Web查询接口。采用UIUC的TEL-8数据集进行实验,结果表明,该方法的准确率达到了97.30%,具有良好的可行性和实用性。     

KENAOTE：一种知识增强的方面和意见对提取多任务学习模型

方面和意见对提取旨在根据给定句子提取方面和意见项并匹配关系,然而相关研究通常独立提取方面和意见项,而不识别关系。为了识别方面和意见项关系,提出一种知识增强的方面和意见对提取多任务学习模型。首先使用预训练语言模型为文本生成具有语义信息的词向量,为了实现知识增强的效果,使用遮蔽注意力的方式将知识图谱的语义信息融入词向量中,然后使用基于距离注意力和条件随机场的序列标注方法提取方面和意见项,最后再将提取的方面和意见项两两匹配预测对应关系。为了加强方面和意见项提取模块和匹配模块的联系,采用共享编码层的方式实现联合训练。在训练流程中,匹配模块采用真实标签作为输入,在测试过程中采用提取模块的结果作为输入。为了证明模型的有效性,使用三个通用领域数据集进行对比实验,该模型在方面和意见项匹配任务中F1值分别达到66.99%、75.17%和67.30%,并优于其他比较模型。     

基于洪泛机制准同步的UWB定位效率优化研究

针对UWB定位中的标签容量限制和通信冲突的问题,提出了一种基于洪泛机制准同步的改进定位方法;该方法通过设置主从基站,利用洪泛机制逐级传递准同步报文实现基站和标签间的时钟准同步,满足了DS-TWR方法下TOA算法对通信中时钟误差的需求,从而提高了测距精度;同时通过多Hash运算为标签基站对分配唯一时隙,有效提高了多标签情况下的通信成功率;实验结果表明,改进后的系统多标签条件下平均通信成功率提高了16%,标签能耗降低了30%,单位时间内获取数据量提高了27.8%,在提高系统通信效率的同时降低了能耗,具有较高的工程应用价值。     

基于语义扩展的网页标签推荐系统

网页广告与当前页面内容不匹配使得广告的投放效果降低。本文使用基于站点的贝叶斯模型扩展和基于维基百科的语义扩展两种方法,精确提取网页的标签信息,用更加精确的标签去匹配网络广告,增强了广告效果。本文实现了一个基于语义扩展的网页标签推荐系统,实验证实效果良好。     

虚拟计算环境中基于评分监管的信誉机制

提出一种基于评分监管协议(RSP)的信誉机制。通过对自主元素服务信度及评分信度的区分刻画和动态关联,识别和惩罚不递交评分、虚假评分,激励自主元素积极参与、诚实评分,并给出RSP分布式的实现方法。仿真实验结果表明,含RSP的信誉机制能够实现自主元素基于评分可信性的差异化服务,有效抵制恶意攻击。     

一种个性化域名信誉评价机制

域名解析是互联网信息服务的前提,但目前关于域名信誉评价的相关研究却尚不成熟。针对域名服务的复杂性、恶意攻击的普遍性以及用户需求的多样性等问题,提出了一种个性化域名信誉评价机制。主要贡献在于：(1)提出了基于多元指标的域名信誉评价框架;(2)设计了抵御恶意攻击的信誉计算模型,提高了计算精度和适应能力;(3)参考用户个人偏好区分域名类型,为用户选择偏好域名提供依据,优化用户体验。实验结果表明,该机制能准确反映域名的信誉状况,排除恶意评价的影响,并根据域名信誉值和用户个人偏好选择个性化域名服务,提升用户满意度。     

User‐centric trust and reputation model for personal and trusted service selection

Improving quality of services (QoS) through applying trust and reputation management technology is increasingly popular in the literature and industry. Most existing trust and reputation systems calculate a general trust value or vector based on the gathered feedback without regard to trust's locality and subjectivity; therefore, they cannot effectively support a personal selection with consumer preferences. Our goal is to build a trust and reputation mechanism for facilitating a trustworthy and personal service selection in a service‐oriented Web, where service peers can act as a service provider and/or a service consumer. A user‐centric trust and reputation mechanism distinguishing the different trust context and content to enable a personal service selection with regard to trust preference in a service‐oriented Web is represented in detail. It is widely recognized that reputation‐based trust methods must face the challenge of malicious behaviors. To deal with the malicious feedback behaviors, we introduce a “bidirectional'' feedback mechanism based on QoS experience similarity in our trust and reputation framework. The test run demonstrates that our method can significantly increase the success rate of service transactions and is effective in resisting various malicious behaviors of service peers, when it is compared to other similar methods. © 2011 Wiley Periodicals, Inc.     

基于SN-Stamp的信誉传播方案

证明信誉系统中不诚实的服务方可能丢弃对其不利的被鉴定的评分信息,从而间接地提高其信誉,针对这一问题,提出了一种基于SN-Stamp的信誉传播方案。该方案通过数字签名技术实现不可篡改的序号戳,利用序号戳保护对服务方的评分信息的完整性,并且利用中介保留的最近的序号和序号戳中的序号信息能够发现服务方丢弃被鉴定的评分信息的行为。通过安全性和效率分析结果表明,该模型是安全的和有效的,能提高信誉评分传播机制的效率。     

一种自约束信誉更新模型

在分析信誉计算模型的基础上,提出了一种自约束的信誉更新模型,由于节点的信誉主要反映历史信誉,信誉变化主要表现在新的评价分与以前信誉的变化上,因此通过自约束因子来表达这种变化。对该模型与Bayesian模型作了仿真分析比较。结果显示：信誉评估模型体现恶意行为的惩罚思想,当一个可信节点连续出现交易失败或不可信行为时,信誉值会指数级下降,恢复其信誉则是缓慢上升。     

一种基于声誉的不良网页协作检测机制

大量不良网页的出现威胁了互联网安全。为了检测不良网页，提出了一种基于声誉的协作检测机制，WebShield。用户对网页评分，服务器汇聚用户评分得到网页的综合评分，并依此检测不良网页。设计了一种基于贡献的声誉模型，通过用户声誉加强评分汇聚的准确性和鲁棒性。模拟表明，WebShield对不良网页的检测效率较高、对恶意用户的抵抗性较好。     

一种直接评价节点诚信度的分布式信任机制

基于信誉的信任机制能够有效解决P2P网络中病毒泛滥和欺诈行为等问题.现有信任机制大多采用单个信誉值描述节点的诚信度,不能防止恶意节点用诚信买行为掩盖恶意卖行为;而且从信誉值上无法区分初始节点和恶意节点.提出一种新的分布式信任机制,基于交易历史,通过迭代求解,为每个节点计算全局买信誉值和卖信誉值,根据信誉值便能判断节点的善恶.仿真实验对比和性能分析表明,与EigenTrust算法相比,该算法能够迅速降低恶意节点的全局信誉值,抑制合谋攻击,降低恶意交易概率.     

P2P环境下基于模糊理论的Dirichlet信任评估模型

针对P2P（Peer-to-Peer）网络中存在的恶意评价、摇摆服务等现象,提出一种基于模糊理论的Dirichlet信任评估模型。提出的模型利用模糊聚类的方式过滤掉一些恶意评价,并抑制节点摇摆服务的影响,从而为网络节点信任值的计算提供了公平、良好的评估环境。在此基础上,考虑到主观信任动态变化的特点,结合模糊理论中贴近度概念,提出一种新的模糊信任更新机制,从而更有效提高节点提供优质服务的积极性。实验结果表明,提出的模型具有良好的评估特性,适用于P2P网络信任评估的环境。     

基于蚁群算法的加强型可抵御攻击信任管理模型

通过将网络节点推荐行为分析和网络恶意节点密度的自适应机制纳入信誉度评价过程,提出了基于蚁群算法的加强型可抵御攻击信任管理模型--EAraTRM,以解决传统信任模型因较少考虑节点的推荐欺骗行为而导致容易在恶意节点的合谋攻击影响下失准的问题。在对比研究中发现,EAraTRM可以在网络中恶意节点密度达到90%,其他传统信任模型已经失效的情况下,仍保持较高的正确性。实验结果表明,EAraTRM能提高节点评价其他节点信誉度时的精度,并降低整个网络中恶意节点间进行合谋攻击的成功率。     

基于用户及其行为社会属性的信任测度模型

信任测度是信任机制的核心和基础,现有的信任机制面临着恶意用户操纵信誉的安全威胁。基于用户及其行为社会属性的信任测度模型对传统的信任机制进行了扩充,引入用户及其行为所映射的本质特性即社会属性来描述和分析恶意用户及其行为的特征,在信任测度过程中增加信誉评审过程来修正对信任测度的攻击,从而保证了分布式环境中的信任测度的可信性。模拟实验表明,该信任测度模型能有效地应对恶意用户对信誉的操纵攻击。