一种基于内容关联的学术资源协同推荐算法

利用学习者的关注点集中等特性,提出用网络日志推断学习意图、以内容关联匹配兴趣主题的理论框架和相应的协同推荐算法.实验表明,算法的覆盖率与经典方法无显著性差异,准确率提高5.13%,响应时间缩减为1/9,并在训练测试比小于50%时准确率提高6.73%.     

一种监控网络程序的信息收集方法

虽然多数的现有监控工具可以提供关于系统整体性能的宏观信息,但是这样的数据并不能帮助用户理解系统内部的运行状况.为了揭示内部行为,提出了一种基于监控元数据的方法来收集系统执行过程中的内部组件状态和通信.新方法能应用于许多网络通讯协议和应用程序类型,通过信息跟踪机制记录系统内部发生的关键性能事件,并捕获它们之间的时序和因果关系,为系统诊断提供支持.     

融合奇异值分解和动态转移链的学术资源推荐模型(英文)

学术资源推荐领域学习者兴趣和学术趋势随时间的变化影响学术资源推荐系统的准确性.现有大部分推荐方法都没有考虑时间因素.本文用动态转移链(DTC)对用户兴趣和学术趋势的时效性进行建模.在DTC框架的基础上,提出一种新的融合矩阵奇异值分解模型(SVD)和动态转移链的学术资源推荐算法(SVDDTC).在数据集SeekSearch上对该方法进行实验,结果表明该算法较之当前流行的主要算法准确率提升3.89%.     

Web性能测试与预测

讨论了Web应用的性能测试方法和测试工具,并在一个Web应用的实例中给出了运用这些工具和方法的测试过程,以及对测试结果的分析.设计了一种基于转导推理的预测算法,基于有限的历史测试数据,对系统的性能进行预测,并取得了接近实测的预测效果.还根据测试结果简要分析了对Web应用性能进行优化的一般方法.     

一种监控网络程序的信息收集方法

虽然多数的现有监控工具可以提供关于系统整体性能的宏观信息,但是这样的数据并不能帮助用户理解系统内部的运行状况.为了揭示内部行为,提出了一种基于监控元数据的方法来收集系统执行过程中的内部组件状态和通信.新方法能应用于许多网络通讯协议和应用程序类型,通过信息跟踪机制记录系统内部发生的关键性能事件,并捕获它们之间的时序和因果关系,为系统诊断提供支持.     

一种基于内容关联的学术资源协同推荐算法

利用学习者的关注点集中等特性,提出用网络日志推断学习意图、以内容关联匹配兴趣主题的理论框架和相应的协同推荐算法.实验表明,算法的覆盖率与经典方法无显著性差异,准确率提高5.13％,响应时间缩减为1/9,并在训练测试比小于50％时准确率提高6.73％.     

利用多维Neville算法实现基于转导思想的函数估计

根据转导思想的函数估计 ,不用估计函数的模型和参数 ,直接估计函数在给定点的值 ,从根本上区别于传统的函数估计方法 ,但具体的实现算法是一个公开的问题 .讨论使用多维Neville算法实现基于转导思想的函数估计的问题 .利用投影的方法 ,将传统的Neville算法推广到了多维空间 ,在数值计算中引入了核函数的思想 ,从而解决了多维空间的计算问题 ,得到利用多维的Neville算法实现函数估计的方法 .数值试验的结果表明 ,这种方法成功地克服了函数插值的龙格 (Runge)现象 ,有很好的逼近效果 ,并且可以处理多维的函数估计问题 ;同时也给出了对核函数参数进行估计这个难题的一些讨论 .该算法对转导思想的实现提供了一个崭新的途径 .     

文本聚类算法的质量评价

文本聚类是建立大规模文本集合的分类体系实例的有效手段之一。本文讨论了利用标准的分类测试集合进行聚类质量的量化评价的手段，选择了k-Means聚类算法、STC（后缀树聚类）算法和基于Ant的聚类算法进行了实验对比。对实验结果的分析表明，STC聚类算法由于在处理文本时充分考虑了文本的短语特性，其聚类效果较好；基于Ant的聚类算法的结果受参数输入的影响较大；在Ant聚类算法中引入文本特性可以提高聚类结果的质量。     

利用多维Neville算法实现基于转导思想的函数估计

根据转导思想的函数估计,不用估计函数的模型和参数,直接估计函数在给定点的值,从根本上区别于传统的函数估计方法,但具体的实现算法是一个公开的问题。讨论使用多维Neville算法实现基于转导思想的函数估计的问题。利用投影的方法,将传统的Neville算法推广到了多维空间,在数值计算中引入了核函数的思想,从而解决了多维空间的计算问题,得到利用多维的Neville算法实现函数估计的方法。数值试验的结果表明,这种方法成功地克服了函数插值的龙格 (Runge)现象,有很好的逼近效果,并且可以处理多维的函数估计问题 ;同时也给出了对核函数参数进行估计这个难题的一些讨论。该算法对转导思想的实现提供了一个崭新的途径。