基于潜在狄利克雷分布模型的多文档情感摘要

针对当前方法难以获取评论文本全局情感倾向性的问题,提出一种基于潜在狄利克雷分布(LDA)模型的多文档情感摘要方法。该方法首先对给定的句子进行情感分析,抽取带有主观性评价的句子;然后,应用LDA模型表示已抽取的句子,并通过词汇的重要度和句子的特征计算句子的权重;最终提取情感文摘。实验结果表明,该方法能够有效地识别情感关键句,在准确率、召回率和F值上均有不错的效果。     

多Agent系统中基于认知的信任框架研究

基于认知角度提出了一种Agent间以预动(proactive)的方式建立信任的形式化框架.在框架中首先区分了代理与非代理情形下的信任并分别给出定义.从信任的定义出发,施信方(the trustor)针对信任建立基于认知的推理过程,并根据推理需要主动向受信方请求信息.在获得所需信息后,考虑到交互信息的可靠性问题,施信方在认知推理的基础上进行关于可靠性的模糊推理,并决定是否建立信任.通过这个框架,Agent间可以在缺乏直接交互经验或者第三方证言的情况下,以预动的方式动态地建立信任,并且在信任建立的过程中,可以纳入复杂的上下文约束.同时,通过认知推理与模糊推理的结合,可以根据场景的需要采用不同的规则,给信任的建立带来更大的灵活性.     

基于社会网络与声誉信任机制的移动多Agent系统信任模型

基于信任机制的移动多Agent系统中,代理Agent一般通过直接信誉值和推荐信誉值来判断对于另一个Agent的信任程度。由于系统相对巨大,直接信誉值通常难以获得,判断的正确性很大程度上依赖于推荐信誉值的准确性和可靠性。通过对整个多Agent系统进行社会网络的挖掘,用以得到与代理Agent存在潜在社会关系的一组Agent。对这组Agent提供的推荐信息充分信任,并优先使用这些Agent提供的信息进行推荐信誉值的计算。最后通过双方直接交易的多寡判断综合信任值中直接信誉值与推荐信誉值的权重。通过实验验证了该模型的有效性。     

利用并行GPU对分层分布式狄利克雷分布算法加速

分层分布式狄利克雷分布(HD-LDA)算法是一个对潜在狄利克雷分布(LDA)进行改进的基于概率增长模型的文本分类算法,与只能在单机上运行的LDA算法相比,可以运行在分布式框架下,进行分布式并行处理。Mahout在Hadoop框架下实现了HD-LDA算法,但是因为单节点算法的计算量大,仍然存在对大数据分类运行时间太长的问题。而大规模文本集合分散到多个节点上迭代推导,单个节点上文档集合的推导仍是顺序进行的,所以处理大规模文本集合时仍然需要很长时间才能完成全部文本的分类。为此,提出将Hadoop与图形处理器(GPU)相结合,将单节点文本集合的推导过程转移到GPU上运行,实现单节点多个文档并行推导,利用多台并行的GPU对HD-LDA算法进行加速。应用结果表明,使用该方法能使分布式框架下的HD-LDA算法对大规模文本集合处理达到7倍的加速比。     

多Agent系统中信任的动态性处理

信任是多Agent系统中进行决策和交互的重要内容。收集必要的信息确定信任关系,动态地管理、维护信任关系,以及监控和重估已有的信任关系是多Agent系统中信任管理的关键问题。虽然研究者对上述关键问题提出了一系列解决方案,但依然存在一些问题有待进一步解决。本文针对信任的动态性处理这一问题,在分析现有的典型信任模型基础之上,提出一个具有动态性的Confidence-Reputation信任模型。模型中,我们不仅考虑了Agent的直接交互历史(Confidence)和信誉(Reputation),同时也考虑了信任的本体性。     

一种基于Bayesian信任模型的多Agent协作系统

提出了一种基于信任机制的多Agent协作系统的形成方案.通过借鉴社会学中的人际关系信任模型,建立Agent间的信任关系,利用Bayesian方法对Agent的可信度进行评估,通过Agent间基于信任关系的链接更新形成稳定的多Agent协作系统.仿真结果证实,提出的协作方案能有效地促进Agent间的协作效率,提高共同完成任务的成功率.     

开放多Agent系统的一个信任信誉系统模型

信任和信誉对于开放多Agent系统的有效交互是十分重要的.FIRE模型是最近提出的适用于开放环境下问题求解的信任信誉系统模型中的一种,在该模型中没有考虑消费者的个性特征,从而使得消费者给出的评分仅直接反映了提供者的服务质量,这就减弱了该模型的实用价值.提出了扩展模型E-FIRE,引入了消费者的个性特征.其个性特征包括两个方面:消费者对服务质量的预期和消费者采取的态度.这两方面共同影响消费者对待同一服务的评分.因此,消费者的评分不再只反映提供者的服务质量,这样使得该模型更加符合实际情况.同时,在消费者为选择提供者而计算提供者的综合信任评分时,更多地依靠提供证据的消费者对提供者的直接信任,从而减少了Agent 间的通信量.实验结果表明,在交互次数较少时,E-FIRE模型的性能与FIRE模型的性能相当;随着交互次数的增多,E-FIRE模型的性能更优.     

基于分层狄利克雷过程模型的文本分割

文本分割在文本摘要、信息检索等诸多领域都有重要的应用。主题模型是该领域研究中的重要方法,但目前基于主题模型的方法普遍依赖于主题个数的人工设置。针对此问题,本文提出了一种基于分层狄利克雷过程（Hierarchical Dirichlet process,HDP）模型的文本分割方法。首先使用HDP模型获取文本在主题空间的向量表示,然后将主题向量用于C99分割算法实现文本分割,最后使用两种优化策略对结果进行优化。实验结果表明,基于HDP模型的方法能够摆脱对人工设置主题个数的依赖,有效提高了文本分割的性能。     

基于隐含狄利克雷分配模型的图像分类算法

概率隐含语义分析模型不适用于大规模图像数据集,为此,提出一种基于隐含狄利克雷分配模型(LDA)的图像分类算法。以BOF特征作为图像内容的初始描述,利用Gibbs抽样算法近似估算LDA模型参数,得到图像的隐含主题分布特征,并采用k近邻算法对图像进行分类。实验结果表明,与基于概率隐含语义分析模型的分类算法相比,该算法的分类性能较优。     

基于朴素贝叶斯与潜在狄利克雷分布相结合的情感分析

针对情感分析需要大量人工标注语料的难点,提出了一种面向无指导情感分析的层次性生成模型。该模型将朴素贝叶斯(NB)模型和潜在狄利克雷分布(LDA)相结合,仅仅需要合适的情感词典,不需要篇章级别和句子级别的标注信息即可同时对网络评论的篇章级别和句子级别的情感倾向进行分析。该模型假设每个句子而不是每个单词拥有一个潜在的情感变量;然后,该情感变量再以朴素贝叶斯的方式生成一系列独立的特征。在该模型中,朴素贝叶斯假设的引入使得该模型可以结合自然语言处理(NLP)相关的技术,例如依存分析、句法分析等,用以提高无指导情感分析的性能。在两个情感语料数据集上的实验结果显示,该模型能够自动推导出篇章级别和句子级别的情感极性,该模型的正确率显著优于其他无指导的方法,甚至接近部分半指导或有指导的研究方法。     

基于多Agent技术的DDSS研究

通过DDSS与多Agent系统的比较 ,指出可将多Agent系统的思想融入DDSS的研究中。对DDSS进行分析 ,指出基于多Agent技术的DDSS需要解决的几个关键问题 ,最后给出一个应用实例     

多Agent系统任务分配的研究

针对多Agent系统中存在的任务分配问题,提出一种任务与Agent之间多对多的分配模式,建立相应的任务分配模型,定义任务分配中的性能影响因子,并推导出进行任务分配优化的目标函数,通过一个实际案例,验证该方法的有效性。     

基于MAS的多库协同机制的研究

网络时代各种数据库无处不在。如何使分布广、形式各异的数据库协同工作越来越成为人们关心的问题。该文深入分析了有关分布式数据库协同工作的机制,结合多数据库的工作特点,提出了基于多智体的多库协同技术,使数据库具有更多的智能特性和主动性,在实际工程软件开发中得到了应用,并取得了良好效果。     

多Agent专家系统安全性设计与研究

针对多Agent专家系统面临的安全威胁,提出了单个Agent的安全体系结构及多Agent专家系统安全架构模型。利用容器砂箱模型,实现了多Agent专家系统基于角色的访问控制。讨论了PKI在多Agent专家系统中的实际应用,在此基础上,研究了多Agent专家系统身份验证、安全通信、安全管理、安全审计及安全恢复机制。应用开发实践表明,系统具有资源占用少、安全性高、稳定性好以及可伸缩性强等优点,可应用于企业网智能安全管理、电子商务等领域。     

基于TBM模型的多Agent决策融合方法

多Agent系统存在的动态特性使证据推理中的可传递置信模型（TBM）能够有效地处理动态环境的证据推理。在分析和研究可传递置信模型算法的基础上,提出一种基于证据推理TBM模型的多Agent决策融合方法,构建多Agent决策融合系统的框架模型,分析该系统的信息更新、合成算法及决策制定算法。利用SimuroSot作为仿真平台,将该方法应用于判断对手的队形和策略,得到了较满意的结果。     

基于扩展CNP的分布式多Agent协同系统

传统合同网协议的投标类型单一,不能准确表达参与任务分配的Agent的意图。结合应用环境的任务抢占机制需求,对合同网协议的投标类型进行适应性扩展,基于扩展合同网协议设计分布式多Agent协同系统,给出Agent程序实现方法、多Agent通信机制设计和协同机制应用实例。该系统具有良好的可扩展性,便于动态引入具有不同功能的Agent,为协同机制的研究提供了基础平台。     

基于社区发现的多主体信任评估

为了解决多主体系统(MAS)的开放性、动态性和不确定性所带来的主体信任问题,提出一种基于社区发现的信任评估方法。首先使用G-N算法(GIRVAN M, NEWMAN M E J. Community structure in social and biological networks. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(12):7821-7826)发现系统中的社区结构;然后根据推荐主体的推荐信任分别计算被评估主体的社区内部、外部声誉,进而结合直接信任形成主体的综合信任度;最后根据协作反馈实现主体信任度的动态调整。仿真实验结果表明,基于社区发现的信任评估方法能有效评估主体信任度,通过引入反馈机制能进一步提高交互成功率。     

基于Multi-Agent的Internet信息服务模式

基于Multi-Agent的信息服务模式直接影响到MAS的组织及Agent的通信规则。文章对Internet上信息服务模式进行了系统的分类,并且举例说明了每种服务模式在树形拓扑多Agent系统上的运行方式。对基于Multi-Agent信息服务模式的研究为设计Internet信息服务领域中的Agent通信协议提供了坚实的基础。     

关系网模型在基于Agent的远程教学系统中的应用

从研究Agent社会合作机制入手,引入了一个表示Agent之间联系的关系网模型,并将其应用到基于Agent的远程教学系统中,同时针对学生Agent如何有效地搜索教师Agent给出了具体的算法。     

基于多代理系统的软硬件协同设计

为使软硬件协同设计过程更具分布性、自主性及并行性,在软硬件协同设计中引入多代理(MAS)技术,提出软硬件协同设计的MAS模型,包括系统描述Agent、软硬件划分及映射Agent、软硬件设计Agent、协同通信Agent、性能评估Agent和硬件系统测试Agent的构建和应用。采用多个目标代理映射、协商的方法协调整个协同设计过程。实际应用表明,该方法能优化系统级芯片设计方案、软硬件结构和功能,并提高系统整体性能。