基于上下文项目评分分裂的协同过滤推荐

上下文感知推荐系统的主要任务是利用上下文信息进一步提高推荐系统的推荐精度和用户满意度。提出了一种基于上下文项目评分分裂的推荐方法。该方法首先依据项目分裂判别标准对多维度上下文信息下的项目进行分裂,然后根据分裂结果并通过上下文维度进行聚类。在此基础上,利用协同过滤推荐算法进行未知评分预测。最后,面向不同的项目分裂标准,在LDOS-CoMoDa数据集上进行仿真对比实验。实验结果表明,相对于其他推荐算法,该方法有效提升了推荐精度,达到了提高推荐质量效果的目的。     

MCSM:一种基于移动设备的上下文感知中间件

提出一种针对移动设备的上下文感知中间件MCSM(Mobile Context Sensing Middleware).MCSM可以动态地感知当前移动设备的内外部计算环境及用户活动等上下文信息,并以统一的接口将感知到的上下文数据提供给上层应用程序.为了克服外部传感器数据的高异构性,MCSM采用了一种基于XML的上下文数据描述语言CDDL.基于MCSM的原型系统表明,MCSM具有良好的运行效率和可扩展性,并可显著提高上下文应用程序的开发效率.     

无线Web访问的缓存和预取机制

缓存和预取在提高无线环境下的Web访问性能方面发挥着重要作用。文章研究针对无线局域网的Web缓存和预取机制,分别基于数据挖掘和信息论提出了采用序列挖掘和延迟更新的预测算法,设计了上下文感知的预取算法和获益驱动的缓存替换机制,上述算法已在Web缓存系统OnceEasyCache中实现。性能评估实验结果表明,上述算法的集成能有效地提高缓存命中率和延迟节省率。     

一种增强现实分场景推送情景感知服务的方法

针对目前增强现实浏览器中由于标签使用不当阻碍用户认知操作的问题,提出了一种分场景推送情景感知服务的方法.该方法根据用户寻找兴趣点并检索内容的认知流程划分场景,采用情景感知四层服务框架分别创建了3个场景的功能模块,通过关联3个场景模块,构建了完整的移动增强现实浏览器系统.实验结果表明,与同类浏览器相比,基于上述方法设计的增强现实浏览器系统在分类准确度上平均提高了13%,用户对系统预测效果的平均满意度提高了26%.     

情境感知和兴趣适应的农业信息推荐模型

个性化推荐是解决农户需求和农业信息服务契合度的关键技术。传统基于行为的推荐算法能挖掘农户兴趣但不能反映其兴趣的迁移,时间权重的引入较好地实现自适应机制。地域、时间以及农业生产门类等情境信息直接影响农户的兴趣偏好,已有算法却融入度不足。综合情境因素、浏览行为和兴趣改变等多维因素,设计情景感知和兴趣适应的农业信息推荐模型。实验结果显示,改进后的算法能显著提升推荐的准确率和有效性。     

基于本体的语境信息模型与推理

语境信息是用来刻画一个实体情形的信息,该文提出了基于本体的语境信息建模以及查询方法,利用本体极强的语义描述能力和有效的推理机制,更好地实现了语境信息的管理。介绍了关键技术、相关支持工具以及开发的原型系统。该模型采用2种推理机制：基于描述逻辑的推理与规则推理,能够更快速有效地管理语境信息。 普     

海量层次信息的Focus+Context交互式可视化技术

综述了海量层次信息可视化与Focus Context技术的相关工作,针对海量层次信息可视化的交互问题,在嵌套圆可视化技术的基础上提出了基于上下文感知的Focus Context交互式可视化技术.首先,基于外切圆排列方法提出对圆心进行三角网格剖分的方法,为变形计算建立上下文;然后,针对变形计算前后上下文一致性问题,在三角网格邻居跟踪方法的基础上,提出了用于同层兄弟节点上下文感知的外切圆变形排列方法,以及用于父子节点上下文感知的嵌套圆迭代排列方法.实验结果表明。上述方法在实现焦点突出的鱼眼视图的同时,能够有效地解决Focus Context交互式可视化的上下文感知问题.上述方法应用于文件系统海量层次信息的交互式可视化问题,提供了交互式可视化工具.     

A Hybrid Modular Context-aware Services Adaptation for a Smart Living Room

Smart spaces have attracted considerable amount of interest over the past few years. The introduction of sensor networks, powerful electronics and communication infrastructures have helped a lot in the realization of smart homes. The main objective of smart homes is the automation of tasks that might be complex or tedious for inhabitants by distracting them from concentrating on setting and configuring home appliances. Such automation could improve comfort, energy savings, security, and tremendous benefits for elderly persons living alone or persons with disabilities. Context awareness is a key enabling feature for development of smart homes. It allows the automation task to be done proactively according to the inhabitant’s current context and in an unobtrusive and seamlessly manner. Although there are several works conducted for the development of smart homes with various technologies, in most cases, robust. However, the context-awareness aspect of services adaptation was not based on clear steps for context elements extraction (resp. clear definition of context). In this paper, we use the divide and conquer approach to master the complexity of automation task by proposing a hybrid modular system for context-aware services adaptation in a smart living room. We propose to use for the context-aware adaptation three techniques of machine learning, namely Naïve Bayes, fuzzy logic and case-based reasoning techniques according to their convenience.     

基于上下文的自适应构件化中间件模型

由于普适计算环境越来越复杂对自适应软件开发要求越来越高,为了对普适计算环境下的自适应和构件化应用提供支持,提出了一种适用于普适计算环境的基于上下文的自适应构件化的CBACM中间件模型。最后,仿真实验结果表明了CBACM模型较传统中间件在自适应成功率、资源消耗和响应时间方面的优势。     

多Agent系统的上下文感知增强

如今,多agent系统(multi-agent system,简称MAS)被广泛用于开发各种应用系统.当前,开放、动态、难控的计算平台要求软件系统能够根据系统自身及其环境状态信息及其改变,动态地调节自身的行为,即具备一定的上下文感知能力.然而,现有工作并未就如何向既有的MAS应用系统引入上下文感知能力提出有效的解决方案.依照关注分离原则,结合面向上下文程序设计技术(context-oriented programming,简称COP)、反射技术(reflection)以及代码植入技术(code instrumentation),提出了一套MAS系统上下文感知增强框架和底层支撑技术.开发人员可以在既有应用源码不可得的情况下,自动地将指定agent类型转换为(扩展为)具有上下文感知能力的agent类型.此外,利用底层运行支撑环境,系统管理员可以在系统运行时刻动态地调整指定agent的上下文感知行为.