基于特征分析的微博炒作账户识别方法

近年来微博中出现一些炒作账户采用违规手段开展网络公关活动,严重扰乱了正常的互联网秩序,然而传统炒作账户识别方法主要依靠人工分析,其效率低下且不适用于对海量账户进行识别。针对上述问题,提出一种改进的微博炒作账户识别方法,从账户状态、历史微博以及账户邻居3个方面对炒作账户的特征进行分析,构建炒作账户特征集,并利用数据挖掘中的朴素贝叶斯、支持向量机及K最近邻分类等算法对正常账户和炒作账户进行自动分类。实验结果表明,该方法能有效识别微博中的炒作账户,准确率高达95%。     

基于协议首部的字节频率统计特征发现方法

应用协议识别在网络安全领域具有极其广泛的应用,而如何发现协议特征是协议识别的核心问题。为此,提出一种高效准确的协议特征自动发现方法。利用协议自身的格式特点,将消息进行token化,并根据token序列对消息进行分类。由分类数的变化曲线大致判别协议的首部长度,从而确定字频统计的范围。对数据流中每个数据包的消息首部进行字节频率统计,并将字节频率进行归一化处理,得到字节频率特征向量。通过计算待测协议与样本协议的余弦相似度对协议进行分类和识别。实验结果表明,用该方法所提取的特征进行识别,准确率超过93.5%。     

引入外部词向量的文本信息网络表示学习

针对信息网络（text-based information network）现有研究多基于网络自身信息建模,受限于任务语料规模,只使用任务相关文本进行建模容易产生语义漂移或语义残缺的问题,本文将外部语料引入建模过程中,利用外部语料得到的词向量对建模过程进行优化,提出基于外部词向量的网络表示模型NE-EWV（network embedding based on external word vectors）,从语义特征空间以及结构特征空间两个角度学习特征融合的网络表示。通过实验,在现实网络数据集中对模型有效性进行了验证。实验结果表明,在链接预测任务中的AUC指标,相比只考虑结构特征的模型提升7%~19%,相比考虑结构与文本特征的模型在大部分情况下有1%~12%提升;在节点分类任务中,与基线方法中性能最好的CANE性能相当。证明引入外部词向量作为外部知识能够有效提升网络表示能力。     

军队院校本科毕业设计两阶段培养模式探索与实践

毕业设计是高校工科专业本科人才培养的一个重要环节。针对军队院校网络工程专业任职需求和毕业设计教学环节服务于岗位任职能力培养存在的不足,提出了两阶段本科毕业设计培养模式,并分析该模式的特点;通过两年实践,在该模式下培养的学生在综合实践能力、岗位任职能力上取得了显著的效果。该模式对高校工科专业本科毕业设计的教学实施具有良好的推广价值。     

神经协同过滤智能商业选址方法

为了挖掘商店类别与地址之间的关系,基于神经协同过滤（NCF）框架提出商业选址神经协同过滤方法——NeuMF-RS. 采用嵌入方式分别得到商店类别和地址的表示,利用矩阵分解的思想学习商店类别与地址之间的线性关系;利用深度学习多层感知机学习商店类别与地址之间非线性、深层次的关系;结合这2种方法学习到的关系得到最终结果. 利用北京市的餐馆数据与POI数据来评价NeuMF-RS方法的性能,结果表明,NeuMF-RS相对于其他先进的深度学习方法和协同过滤方法在商业选址方面具有更好的性能,更能兼顾线性与非线性关系.     

赛车喷油嘴座制造工艺研究

赛车喷油嘴座属单件生产,喷油嘴座采用的是铝合金材料,通常用铸造的方式进行加工成型。但对于单件的喷油嘴座的制造加工用铸造工艺成本很高,工作效率也比较低,用最高的工作效率和最低的成本来完成喷油嘴座的制造加工是研究喷油嘴座制造工艺的目的,通过采用方法研究和实施验证来对喷油嘴座的制造进行工作研究,研究结果表明用新的制造工艺制造完成的喷油嘴座均能通过赛车的各项性能测试,满足赛车的各项使用要求。     

盘扣早拆模架体系在公共建筑中的应用

针对大型公共建筑的纵横向跨度大、结构形式单一、周转材料成本高及工期紧等特点,采用承插型盘扣式早拆模架体系的施工方法,进行地下室结构的施工,同时结合力学传感器和Midas软件对该支撑体系及立杆稳定性进行分析,验证其安全性及可行性.该方法不仅解决了工期紧、投入大、周转速度慢等技术难点,而且大大节约了材料成本,带来可观的社会效益和经济效益,对类似公共建筑工程模板支架体系设计与施工具有重要的参考价值.     

在四合院里吟古颂今

与前个院子的主人激进而大胆不同，这个院子的主人Robin和Amy既忠实于原本的工艺和样貌，力图还原房屋的历史和原主人的生活形态；又增添了些轻体积的现代材料，使它更适合现代的方便居住。有意思的是，主人虽然来自东南亚，并以先锋简洁的设计为主，但骨子里流着的中国血，让他们的这个院子更多地保存了四合院文化的纯粹况味。