基于向量空间模型的个性化网页搜索算法研究

为解决信息检索时不同用户对搜索结果有不同期望的问题,提出了一种基于向量空间模型的个性化网页搜索算法.针对用户不同兴趣,利用用户画像能够更加全面地表示用户兴趣的特点,通过向量空间模型建立用户画像来表达用户兴趣,结合传统的网页排序算法得出最终的网页排序结果.对于不同用户可得到不同的网页搜索结果,排序靠前的网页中符合用户兴趣...     

社会媒体群组探测的谱聚类研究与应用设计

改进了传统的谱聚类算法,并优化了初始聚类中心的选择方法。传统的谱聚类算法虽然具有算法复杂度较低、适用范围广等特点,但受高斯核函数尺度参数影响较大。设计的算法通过引入万有引力模型进行相似性度量,设计了基于引力的相似性度量方法,以此消除尺度参数的影响;另外,提出基于密度与距离乘积的初始聚类中心选取方法,优化了初始聚类中心的选择。在UCI基准数据集上的实验表明,改进的算法消除了尺度参数σ影响的同时,也达到了比较好的NMI指标和Accuracy指标。最后,使用改进的算法设计了基于微博用户的群组探测方法,取得了较为理想的用户群组划分结果。     

基于竞争凝聚的个性化网页推荐

为了提高网站访问效率并得到有价值的个性化网页推荐,针对Web日志的新特性,提出了一种新的基于竞争凝聚的聚类算法.新算法对K-paths聚类算法进行了扩展和改进,按照路径的相似性进行聚类,采用竞争凝聚的思想,自动确定最佳的聚类数目.由于算法考虑了用户的访问兴趣,个性化网页推荐不打扰用户且不需要用户注册信息.利用关联规则得到个性化网页推荐集.用户推荐集和页面推荐集的结合大大提高了推荐效果,具有较好的扩展性.实验结果表明,与其他聚类方法相比该算法具有更高的推荐精度.     

网站个性化服务的研究

利用Web数据挖掘技术，对用户未来的访问进行预测和推荐，是实现网站柔性个性化服务的研究方向之一．笔者通过对网站个性化服务相关技术的研究，改进了对Web服务器用户访问日志信息进行聚类分析的关联数据竞争聚类(competitive agglomeration for relation data，CARD)算法，并在此基础上构建了相应的实验模型．CARD算法是CA算法的一种改进算法，适合于处理没有明显特征的Web数据．试验是建立在真实的Web日志上的，实验证明该算法具有较好的聚类效果和适用度．     

网络资源中基于K-Means聚类的个性化推荐

为了实现在网络资源中为网络用户提供针对兴趣爱好的推荐项目,提出了一种基于K-means聚类的应用于动态多维社会网络的个性化推荐算法.首先根据用户评分数据对用户进行建模,并根据评分数据集构建多维用户网络,再加入局域世界演化理论形成动态多维网络;然后根据改进的K-means算法对用户聚类;最后根据最近邻居得到目标用户的预测评分作出推荐,从而形成一种应用于动态多维社会网络中的个性化推荐算法.实验表明,相比协同过滤个性化推荐系统,新推荐策略的预测值和真实值之间的误差较小,个性化推荐水平得到了一定程度的提高.     

基于聚类分析的协同过滤算法研究

电子商务推荐系统凭借着"智能感知"用户的兴趣和需求的能力,实现个性化商品推荐.传统算法以协同过滤作为主要技术手段实现个性化推荐功能,但是随着电商业务的发展,数据稀疏性和推荐的实时性倍受挑战.据此,结合聚类分析的优点,改进传统算法,提出一种聚类分析与协同过滤相结合的推荐算法.实验表明,改进后的算法具有较好的推荐准确性.     

融合多上下文特征信息的贝叶斯群组推荐算法

针对当前群组推荐精度较低等问题,将群组活动推荐转化为排序学习,提出了一种融合多上下文特征信息的贝叶斯群组推荐算法.首先借助线性判断分析文件主题模型,构建用户对活动的兴趣偏好,利用词频-逆文档频率统计算法求取用户对活动的时间偏好,引入密度估计法并结合用户参加活动的频数建立用户对活动位置的偏好概率模型;随后基于贝叶斯个性化...     

基于个性化元搜索的教学辅助系统的设计与实现

随着Internet的迅猛发展,网络信息呈爆炸性增长,Internet已经成为当今和未来人们获取资源和信息交流的主要场所。另一方面,随着高校多媒体教学、信息化建设进程的不断推进,高校具备良好的网络硬件设施,如何在信息量浩如烟海的Internet上找到需要的教学相关信息,以有效发挥校园网的教学功能、提高校园网的利用率是一项极富挑战性的工作。本文针对目前网络信息及高校信息化建设的特点,利用信息检索技术,设计并实现了基于个性化元搜索的教学辅助系统。     

动态对等群组中高效安全的群组密钥管理方案

提出了一种安全有效的分布式群组密钥管理方案,并对其安全性进行了证明。提出的方案基于层次密钥树结构和多方密钥协商并具有密钥独立性和无状态型等特征。通过对计算量、存储量和通讯量进行分析和比较可知,三叉树是最适合群组密钥管理的逻辑结构,其对应的密钥管理协议在计算量、存储量和通讯量上都是十分有效的。     

基于Mahout的个性化推荐系统架构

针对互联网企业的实际和用户需求,构建一种基于Mahout的个性化推荐系统架构。通过分析网站的数据特点,将数据分为静态数据和动态数据。当数据量不大时,根据数据特点选用Mahout单机内存推荐算法进行计算;当数据量很大时搭建分布式集群,将业务系统的静态数据定时地增量导入到Hadoop的HDFS中,然后用Mahout分布式推荐算法访问HDFS。计算后的结果,保存到业务系统的数据库中,与动态数据合并作为在线响应的输出。实验证明该方案可以绕过海量数据的高并发在线分析的问题,有效地缓解系统响应时间的压力。     

基于隐马尔科夫模型的潜在个性化路线推荐

现有路线大多基于历史轨迹的相似性进行推荐,容易忽略潜在新路线. 为解决这一问题,利用隐马尔科夫模型对个性化的潜在路线推荐问题进行建模,提出一种可发现隐藏路线的推荐算法（HMMPath）;根据用户指定的类别关键字序列生成访问点序列,结合路线长度、个性化路线分数以及访问点序列的可能性,为用户推荐满足个性化需求的路线;在真实签到数据集上通过改变数据集大小、查询类别关键字数量、查询类别关键字类型和推荐路线数量等参数验证所提算法的准确率和运行效率。结果表明,所提方法在包含4个以下短查询类别序列上的推荐准确率在70%以上,表现出了较好的推荐准确度.     

基于内容的个性化、自适应的HTML页面转换

以移动终端离线浏览系统为基础,通过利用数据挖掘理论和方法得到能够准确描述用户兴趣的模型。该方法首先对收集到的移动用户浏览新闻的行为进行分析,并且对这些新闻的内容进行聚类分析,最终得到用户兴趣的模型。根据用户个性化模型,获取网页中有用的信息,利用HTML自动转换工具,实现个性化的页面转换,以便手机用户可以自由浏览互联网上丰富的信息资源。     

基于改进CAN的查找算法

为了减少CAN网络的查询跳数,提高搜索效率,将指针表的概念引入到CAN网络中.在规模为2L的标识符空间上采取折半查找的方法对各维坐标进行划分,并建立相应的下一跳节点集合——指针表,使搜索空间由全网缩减到一个相对较小的指定局部区域.仿真实验表明,改进后的查找算法所产生的节点坐标相对于原算法有着更为均匀的分布.在规模为26和27的CAN网络中,各有90%和70%的查询跳数减少,平均减少长度为53.2%和31.5%.扩大实验样本空间后,给出了规模分别为25、26和27的CAN网络的查询长度缩短率分布.实验证明,改进后的CAN算法较原算法有更少的查询跳数.     

结合分解技术的多目标引力搜索算法

针对基于分解的多目标遗传算法在解决多目标问题时无法有效解决前沿面非均匀、不连续的问题,提出一种基于分解技术的多子群串行搜索的多目标引力搜索算法(MOGSA/D).为充分利用算法优化分解出的目标函数所得到的进化信息、提高收敛速度,采取多种群串行的搜索方式;针对理想前沿面为非超平面的情况,提出一种预测理想前沿面形状的方法,并针对预测结果选择适合的权重系数生成方式;为提高解集的整体质量,提出一种基于目标权值的策略删减种群.通过标准测试函数的实验验证,所提算法与其他多目标进化算法相比在解集的收敛性以及分布性上均有较大提高,验证了算法的有效性.     

基于个人定制的智能搜索助手的研究

为解决Ｗｅｂ存在的资源发现问题,研制一种基于个人定制的智能搜索助手,阐述这种摸索工具的功能,组成和实现方法,同时讨论了网络搜索的实时收索策略的实现一Ｆｉｓｈ算法、智能化的实现和启用元搜索等几个技术问题．     

基于Web部件的个性化网站创建技术

针对利用IBM的Websphere、BEA的Weblogic、微软的SharePoint等技术来构建和维护个性化网站具有技术难度大、开发周期长、开发成本高等问题,在研究微软Web部件的应用机制的基础上,提出了创建个性化网站的具体方法.应用1个实例介绍了采用Web部件创建个性化网站的步骤.     

基于禁忌搜索算法求解集装箱装载问题

针对具有广泛应用背景、多约束条件和求解困难的集装箱装载问题,引入具有人工智能记忆机制、基于邻域搜索而避免局部最优的禁忌搜索算法,探讨了在求解集装箱装载问题中禁忌搜索的编码、解码和邻域解生成等关键技术,给出了基于物体数量的编码过程与剩余空间处理方法相结合的解码过程和邻域解生成的实现过程,并为对空间利用率影响较大的剩余空间设计了合理的划分与合并规则.通过实例测试和比较,显示出很好的效果,表明该算法是行之有效的.     

Fractal image encoding based on adaptive search

Finding the optimal algorithm between an efficient encoding process and the rate distortion is the main research in fractal image compression theory. A new method has been proposed based on the optimization of the Least-Square Error and the orthogonal projection. A large number of domain blocks can be eliminated in order to speed-up fractal image compression. Moreover, since the rate-distortion performance of most fractal image coders is not satisfactory, an efficient bit allocation algorithm to improve the rate distortion is also proposed. The implementation and comparison have been done with the feature extraction method to prove the efficiency of the proposed method.