语义对等网构造及搜索机制研究

对等网文件共享系统能否成功极大地取决于搜索机制的多样性和扩展性。当前支持分布式Hash表(DHT)功能的结构化系统(如CAN)易扩展但不能有效地支持部分匹配的查询，而基于扩散的非结构化系统(如Gnutella)支持多样化查询但不易扩展。提出了一种新的对等网体系结构。基于CAN构造的pGroup介于结构化和非结构化之间：结点根据内容的类别自组织在一起，具有相同类别的结点相互关联构成语义对等网(semantic peer-to-peer networks，SPNs)。针对不同的查询行为，提出了相应的搜索算法。实验表明，pGroup比Gnutella的扩展性好，搜索效率高。     

基于随机投影和主成分分析的网络嵌入后处理算法

网络嵌入作为网络表示学习,近年来受到了研究人员的广泛关注。目前,已有许多基于网络结构学习网络中结点的低维向量表示的模型,如DeepWalk等,并且这些模型在结点分类和链接预测等任务中取得了良好的效果。然而,随着网络规模的增大,多个网络嵌入算法存在计算瓶颈问题。为缓解该问题,可采用诸如随机投影这类无需学习的方法,但这样可能会丢失网络结构的关键信息,致使算法性能下降。为此,文中提出了一种网络嵌入的后处理算法PPNE(Post-Processing Network Embedding),该算法结合了随机投影以及主成分分析,有效地保留了网络结构的关键信息,保持了网络结构的高阶近似性。将所提算法与其他网络嵌入算法在3个公共数据集上针对结点分类和链接预测任务进行实验对比,以验证其有效性。实验结果表明,PPNE算法在运行速度和预测性能方面相比其他算法有较大的提升,尤其是该算法在保证良好任务效果的同时,运行速度比其他基于学习的算法提升了至少两个数量级。     

基于次模函数最大化的测试用例集约简

随着软件回归测试规模的不断增大和成本的不断增加,测试用例集约简对于提高软件的回归测试效率显得愈发重要.在选取测试用例子集时,需考虑该子集的代表性和多样性,并采用一个有效的算法来求解.针对该测试用例集约简问题,文中提出了一种基于次模函数最大化的算法SubTSR.尽管引入的离散优化问题是NP-hard问题,但文中利用其目标函数的次模性,采用启发式贪心搜索,求得有近似度保证的次优解.在15个数据集上对SubTSR算法与其他测试用例集约简算法展开实验,针对平均错误检出率、错误检测损失率、首次错误检出位等指标,尝试改变LDA处理中的主题个数以及衡量测试用例相似度的距离,以验证SubTSR算法的有效性.实验结果表明,SubTSR算法在错误检出性能上较其他算法有着较大提升,且在多个数据集上的表现保持相对稳定.在主题个数变化引起文本表示变化时,采用曼哈顿距离的SubTSR算法的性能相较其他算法仍能保持相对稳定.     

澳门IT现状

’99澳门IT年会于1999年3月17日至20日期间举行,来自各国和地区的四十多位专家、学者发表了论文,其中包括澳门IT界的17篇论文,这些论文介绍了他们在数据库、网络、IT教育、系统与应用以及IT与管理方面的研究进展和成果,基本反映了澳门IT的现状。本文对这些研究和应用成果进行了综述。