多媒体查询语言及其评价准则

随着多媒体技术和多媒体相关应用的发展,对有效检索多媒体信息的要求越来越迫切.查询语言作为信息检索的有效工具,其研究也越来越受到关注.对现有的多媒体查询语言进行了全面的综述,将它们分为两类:专用语言和通用语言.尽管查询语言对多媒体信息系统提供有效的查询服务至关重要,但目前仍没有较好的多媒体查询语言评价准则.因此,针对多媒体查询语言的查询表达能力设计准则共16条,并根据这些准则对多媒体查询语言进行了评价.评价结果表明,这些语言能满足用户的基本查询要求,但在高级语义查询和不确定查询等方面还有欠缺.最后展望了多媒体查询语言的未来研究方向.     

无线传感器网络的异质性对病毒传播的影响

病毒传播是无线传感器网络（Wireless Sensor Network, WSN）安全领域的一个重要问题。传统关于WSN中病毒传播的研究大多基于同质网络进行,很少考虑网络结构的异质性对病毒传播的影响。为了探究网络结构的异质性对WSN病毒传播效果的影响,分别从理论分析和仿真实验的角度对该问题进行了研究。首先,利用平均场理论建立了静态同质和异质WSN上的SIR病毒传播模型,计算得到了两种网络的传播阈值,结果显示,在网络规模足够大时,异质WSN的传播阈值等于0,而同质WSN的传播阈值大于0,且异质WSN的稳态感染比例要大于同质WSN,说明异质WSN更有利于病毒的传播。其次,对同质WSN 和异质WSN中的病毒传播过程进行了仿真,仿真结果与理论分析结果一致,仿真结果还显示,网络的异质性越高,越有利于病毒的传播。     

多媒体查询语言UMQL语法分析器的设计与实现

通用多媒体查询语言UMQL是多媒体信息检索的有效工具.讨论UMQL语法分析器的设计与实现.根据UMQL的语法特点,分别以正则式、巴克斯范式和逻辑代数定义该语言的词法、文法和语义规则集,设计一个层次化的UMQL语法分析模型.基于该模型并结合编译原理的相关理论知识,设计实现UMQL语法分析器,并探讨其各部件实现的关键技术.该语法分析器能有效检测UMQL查询中的语法语义错误,并给出相应的错误提示信息.     

LBSN上基于兴趣圈中社会关系挖掘的推荐算法

随着带有GPS定位功能的智能手机越来越普遍,人们喜欢分享他们的地理位置或者通过评论某个地方的商品从而留下用户的足迹,这引发了以共同的兴趣点(POIs)为中心,基于地理位置信息的社交网络研究(location based social network, LBSN).社交网络中的一类典型应用是推荐系统,而推荐系统中最常见的问题是冷启动,即在用户很少点评商家或分享评论时如何为他推荐感兴趣的商家.为解决冷启动问题,提出了一种在社交网络中基于兴趣圈的社会关系挖掘推荐算法.兴趣圈是由所有访问某一类别商品的用户群及他们之间的社会关系构成的社交联系,不同的用户访问同一类别商品表明他们对此类别具有相似兴趣.该方法在传统矩阵分解模型的基础上考虑不同的兴趣圈上的社会关系,使用的社会关系包括朋友关系(显性关系)和相关专家(隐性关系),并用它们作为规则化项来优化矩阵分解模型.实验数据集来自第5届Yelp挑战赛和自己爬取的Foursquare数据集,提出的方法与已有模型进行了充分的实验对比分析,结果表明,我们的模型特别是在解决冷启动问题方面优于多种现有的方法.     

有效多媒体查询代数的设计与实现

为了实现对UMQL的有效处理,提出了通用多媒体查询代数MQA。通过常规选择、结构选择和时空选择等代数运算来处理UMQL中的结构表达式、特征表示式和时空表达式,很好地保持了与UMQL查询描述能力的一致性,能有效地处理UMQL。     

一种基于两阶段深度学习的集成推荐模型

近年来,深度学习技术被广泛应用于推荐系统领域并获得了很大的成功,然而深度学习模型的输入质量对学习结果具有很大影响,稀疏的输入特征向量不仅会增加后续模型训练的难度,而且容易导致学习结果落入局部最优.提出一个基于两阶段深度学习的集成推荐模型：首先,利用具有封闭式参数计算能力的边缘化堆叠去噪自动编码机进行用户和项目高层抽象特征的提取;然后,将得到的用户抽象特征和项目抽象特征进行连接并作为深度神经网络模型的输入向量,通过联合训练的方式进行参数学习和模型优化.此外,为了对低阶特征交互进行建模,推荐模型中还集成了基于原始特征向量的逻辑回归模型.在通用数据集上的大量对比实验研究表明：与当前流行的深度学习推荐方法相比,该方法在推荐精度和召回率方面都有所改善,甚至是在数据稀疏和冷启动的环境下.     

面向云数据库服务的隐私字符串加密查询方案

面向云数据库的字符串型隐私信息的加密查询问题,提出了一个有效解决方案。为了确保字符串数据在不可信云数据库中安全性,在客户端,首先对其进行加密并为其构建特征索引。特征索引通过子字段划分、子字段值域分区、分区标识符分配等步骤,能有效地获取字符串的关键特征,而丢弃非关键特征,具有很好的安全性和有效性。然后,数据查询时,方案将定义在隐私字段上的用户查询转换为定义在索引字段上的新查询,使其可以在云数据库上正确执行,而无需解密数据,有效地提高了查询效率。最后,理论分析和实验评估验证了方案的安全性、有效性、高效性和灵活性。