基于行为预测的微博网络信息传播建模

研究微博网络中的信息传播及扩散机制在市场营销、舆情管控等方面具有重要意义。当前的传播模型大多忽视了用户间的个体差异。为解决这一问题, 提取了影响转发行为的四类特征, 利用机器学习中的逻辑回归模型分析预测个体转发行为, 并在此基础上融入用户个体差异, 建立了一种基于行为预测的信息传播模型。实验表明, 该模型能较好地模拟真实网络中的信息传播过程。     

基于用户查询意图识别的Web搜索优化模型

在对用户查询意图进行分析分类的基础上,提出了一种Web搜索优化模型。该模型通过识别用户查询意图来查询意图特征词和内容主题词的双重约束,再结合用户查询行为获得查询目标,既保证了用户查询意图的准确匹配,又自动过滤和屏蔽了不相关信息。与相关工作对比,其重点在于准确获取用户查询意图,提高用户满意度。实验结果表明,该模型在实现信息搜索准确性和用户对查询结果满意度方面比传统搜索方法有明显改善。     

未知环境中无人机协同搜索信息融合方法研究

针对未知环境中多无人机协同搜索的信息融合问题进行研究,建立了环境模型及无人机搜索模型,在此基础上,提出基于D-S证据理论的无人机协同搜索信息融合方法。在协同搜索中运用该方法不仅能够快速发现目标,并能有效识别不同性质的目标。将该方法与传统的贝叶斯融合方法分别应用于多无人机协同搜索决策中,通过比较仿真结果验证了D-S信息融合方法的有效性及优越性。     

农民工进城去留行为预测的贝叶斯网络模型研究

研究了贝叶斯网络模型在农民工进城行为去留的预测问题中的应用。在农民工信息行为调研数据的基础上,首先进行卡方检验排除无关变量,再利用clementine12.0数据挖掘软件观察对比TAN、Markov、Markov-FS三个不同的贝叶斯网络模型预测效果,结果说明在相同情况下Markov-FS预测效果最好,适用于农民工去留行为预测分析问题,从信息行为角度进行研究,对民工荒问题的解决具有参考价值。     

多平台海上协同搜索与路径优化策略研究

针对传统海上搜索研究中搜索平台与行为单一、缺乏协同的问题,建立多平台海上协同搜索路径优化模型,研究协同搜索与路径优化对策.在协同搜索策略方面,给出同构协同与异构协同搜索策略的定义,并设计不同规模的协同仿真场景;在路径优化策略方面,根据海上搜索平台的搜索特点,设计基于行为和基于智能算法的路径优化策略.在此基础上,对比研究不同规模的海上协同搜索策略与路径优化策略效果.结果表明:基于混合智能算法的路径优化效果普遍优于基于行为的搜索策略与单一算法,异构协同搜索策略能够充分发挥各平台优势、取长补短,取得了优于单平台和同构协同搜索的收益效果.     

基于行为分析的微博传播模型研究

随着微博的迅速兴起和其影响力的不断提高,提取微博信息传播特征和构建传播模型已成为了研究热点。针对用户转发行为,首先分析了信息传播机制;然后从影响用户转发行为的发布用户、接收用户、用户亲密度和信息时效性4个方面提取出8个特征因素进行建模;在借鉴传染病动力学SIR模型的基础上,引入用户行为分析和接触节点,提出基于用户行为分析的SCIR模型,并给出动力学方程;最后利用新浪微博真实转发数据验证模型的合理性。实验结果表明,考虑用户转发行为的8个影响因素,结合行为分析结果,能够较好地拟合信息传播过程。     

行为导向的信息交互设计研究

以用户行为模型为切入点,指出在进行信息架构的时候除了关心信息展示的同时还要关注用户的心理与目标。将用户行为融入交互设计,进而分析行为引导对信息交互设计的价值以及表现形式。利用信息交互体现出行为过程、行为目标对信息交互的映射、用户认知对行为指导的特点,将用户行为过程转化为设计元素应用于交互设计中,从而探索出设计指导原则。     

基于Hive的海量搜索日志分析系统研究

针对传统分布式模型在海量日志并行处理时的可扩展性和并行程序编写困难的问题, 提出了基于Hive的Web海量搜索日志分析机制。利用HQL语言以及Hadoop分布式文件系统(HDFS)和MapReduce编程模式对海量搜索日志进行分析处理, 对用户搜索行为进行了分析研究。对用户搜索行为中的查询热点主题、用户点击数和URL排名、查询会话的分析结果对于搜索引擎的排序算法和系统优化都有一定的指导意义。     

信息隐藏技术在网络行为测量中的应用研究

信息隐藏是信息安全领域一个非常年轻但发展迅速的研究方向.文章介绍了信息隐藏技术的定义、分类和两个关键模型,分析了网络行为测量中信息隐藏的作用,基于网络隐式行为测量平台、结合信息隐藏技术,指出了构建是下一步研究的重点.     

驾驶员多源信息融合协同仿真算法研究

交通仿真是交通控制与管理方案评价和优化的重要实验研究手段。传统的微观交通仿真模型,特别是刻画驾驶员行为的车辆跟驰模型,未能综合考虑交通环境中信息刺激的多源性和驾驶员任务集聚、协调反应的行为过程。文章利用Bayes方法描述驾驶员在复杂行驶环境中多源信息的融合过程,确定驾驶员任务集聚后对车辆应采取的驾驶行为。模型验证表明:交通仿真过程中,在车辆跟驰模型实施之前,利用Bayes算法模型化驾驶员在多源信息刺激下任务集聚、协同反应的过程是行之有效的。     

基于信息生命周期的多主体交互模型及形式化

研究社会行为主体间信息交互模型优化问题,社会在应用多主体建模技术模拟人群社会行为的过程中,多主体间的信息交互模式决定着主体自组织和自学习的方式和效率。从现实社会中人与人之间的消息传播行为规律出发,分析主体间信息交互过程,以信息生命周期理论为基础建立多主体间信息交互模型,给出主体信息交互各个阶段的形式化方法和表述结果。利用新闻传播学中消息的5W1H定义来表达信息内容,采用时态逻辑描述单一主体信息需求的判定,应用多目π-演算形式化方法表述多主体获取和转发信息的行为,使用模糊集和Brooks方程分别表示信息过滤与信息吸收行为。进行分析的结果表明,多主体间信息交互模型的建立及其形式化描述,可为人群社会行为仿真模型的实现奠定了基础。     

融合用户行为和内容的微博用户影响力方法

为了模拟信息在微博环境中的传播情况,根据微博用户行为(发布、关注、转发和评论等)和微博内容,提出一种融合用户行为和内容的微博用户影响力算法。通过对微博用户行为的分析,得到行为因子数据,进而计算出用户影响力的权值。利用微博用户内容建立词共现矩阵,继而运用狄利克雷分配(LDA)模型进行潜在主题分布的识别,通过KL(Kullback Leibler)散度的方法得到用户之间的相似性,最后结合用户影响力权值,得到用户的影响力。实验表明,此算法较为有效。     

基于对等网络的智能信息搜索模型

对等网络(P2P)是实现下一代互联网的重要组成部分。该文在分析P2P网络结构模式和现有P2P网络优缺点的基础上,提出了一种融入了多种网络模型的基于混合式对等网络和智能代理技术相结合的搜索模型,描述了该模型智能代理和查询信息的过程。     

车辆行驶过程中的人的行为研究

随着计算机和网络技术在交通工具运输领域的广泛应用以及车载技术的不断发展,汽车的内部空间、人机界面、功能操作和交互过程正在发生革命性的变化。目前,汽车内部的信息模型已经从单一的行车和车况信息模型逐步发展成为包括汽车信息、汽车间信息、汽车和其它信息载体交互的信息在内的复杂信息体系统模型。传统的汽车行为研究主要以完成汽车基本职能为分界点来区分的,但是日益完善的汽车交互系统设计使得这样的分类远远不能满足后续的设计。文章对汽车行驶过程中驾驶员的常态和非常态行为的界定进行探讨分析,并对驾驶过程中的常态行为做进一步细分,为后期的汽车交互界面设计研究提供一定的理论基础。     

大规模智能群体的建模及稳定性分析

提出一种基于个体局部信息的智能群体模型．在此模型基础上，给出了个体的运动控制方程。并基于Lyapunov稳定性理论研究了大规模智能群体动态集聚行为的稳定性．该模型的建立仅依靠相互可检测到的个体之间的局部信息。结合所提出的个体局部控制算法。便能实现群体的稳定全局集聚行为，体现出了较强的适应性、鲁棒性和可扩展性．     

Web信息搜索模型研究

从信息学角度发现互连网信息搜索困难的根源是全网信息结构状态数量巨大所导致的信息距离遥远。解决的手段是在互连网规模不断增大的客观条件下,寻找如何缩短信息距离的有效方法。可以在逻辑功能层面优化互连网全网信息结构,构建具有最短信息距离的互连网全网信息结构。作者提出的全网信息结构模型有：中介的Web信息搜索模型、基于用户需求的Web信息搜索中介模型、基于领域本体全信息的Web信息搜索中介模型。     

增强型协同信息获取及共享系统研究

文章定义了一个相对可行的、统一的协同模型。这个模型包括协同的意图、协作者地域分布、协同策略、协同的并发性、协作者关系、协作设备6个维度。在此模型下,提出了增强型协同信息获取系统一GroupSearch的原型及其设计目标,并对现有协同搜索系统从理论上做了一个客观的比较,最后用实验进行了验证。     

基于ST-LSTM网络的位置预测模型

针对现有位置预测研究多数忽略时间和空间之间关联性的问题,提出一种基于时空特性的长短期记忆模型(ST-LSTM)。基于LSTM网络添加单独处理用户移动行为时空信息的时空门,并考虑用户签到的时间及空间因素,从而使模型具有时空特性。在ST-LSTM网络中引入个人修正因子,对每类用户的输出结果进行修正,在确保基本特性的基础上突出个性化,更好地学习每类用户的行为轨迹特征,同时在保证ST-LSTM网络特性的前提下给出2种ST-LSTM网络的简化变体模型。在公开数据集上的测试结果表明,与主流位置预测方法相比,该预测模型精确率、召回率、F1值都有明显提升。     

变分布的量子行为粒子群优化算法求解工程约束优化问题

针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化(AG-QPSO)算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5890.9315的平均解和5885.3328的最优解,在张弦设计问题上取得了0.01096的平均解和0.01096的最优解,远优于标准粒子群优化(PSO)算法、具有量子行为的粒子群优化(QPSO)算法和高斯量子行为粒子群(G-QPSO)算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。     

基于Ajax与向量空间模型的个性化搜索引擎

针对个性化搜索的三个关键问题：用户信息搜集,用户信息库的动态更新与个性化检索算法,探索性地提出了基于Ajax用户行为跟踪方案,以会话为单位动态更新用户行为信息库策略与加入用户文档的向量空间检索模型,在此基础上设计并实现了个性化搜索引擎实验系统。