一种基于静态和动态信任的普适环境信任模型

针对普适环境中现有信任模型对信任证据的考虑存在片面性的问题,在分析四种信任证据的基础上,将信任分为静态和动态两种类型,并提出了一种基于该分类方法的信任模型,描述了该模型的工作机制。该模型克服了对信任证据考虑不完整的缺陷,有利于在普适实体之间建立起可靠的信任关系,提高系统的安全性。     

基于Bi-LSTM和CNN并包含注意力机制的社区问答问句分类方法

问句分类的目标是将用户提出的自然语言问句分到预先设定的类别.在社区问答中,如何准确高效的对问句进行分类是一项重要任务.本文提出了一种基于深度神经网络的问句分类方法,该方法首先将问句用词向量进行表示,然后用融合双向长短时记忆网络（Bi-LSTM）和卷积神经网络（CNN）结构并包含注意力机制的深度学习模型提取问句特征进行分类.该方法的特色在于利用Bi-LSTM和CNN在句子级文本表示的优点,充分捕捉问句特征,并结合问句的对应答案来表示问句,丰富了问句信息.实验表明,该问句分类方法准确率较高,在多个数据集上取得不错结果.     

一种改进的快速运动估计算法

针对当前H.264/AVC典型快速运动估计算法缺少与其他编码特征相结合的情况,提出融合多参考帧选择和帧间模式判决的快速运动估计算法,综合考虑整数变换与量化、矢量预测、搜索范围、参考帧及其各个块模式之间的相关性。实验结果表明该算法在码率变化不大的条件下,可显著提高编码器的运算速度。     

UPnP中的DoS攻击防御方案

针对通用即插即用(UPnP)服务中极易发生拒绝服务(DoS)攻击,本文提出了一种新的防御方案。该方案通过对UPnP结点设置带异常流量检测的包过滤和对UPnP控制结点设王基于规则的可扩展置标语言(XML)防火墙,分别限制UPnP设备的连接数和基于应用层过滤了控制点所接收的无用描述信息,最终有效地防御了发生在UPnP中的DOS攻击。     

一种无位置偏见的广告协同推荐算法

在广告推荐系统中,页面与广告的相关性是用户是否点击广告的重要因素,一般利用点击率计算相关性,但是广告展示位置的不同会影响页面-广告相关性计算的准确性,从而导致相关性低的广告被当成相关性高的广告进行错误推荐。针对该问题,提出一种无位置偏见的广告协同推荐算法。利用贝叶斯定理改进位置模型,排除历史数据中的位置影响,计算页面-广告相关性。通过协同过滤技术,为页面找到与其相似的其他邻居页面,实现准确的广告推荐。在腾讯搜搜广告日志数据上进行实验,结果表明,与传统协同过滤算法相比,该算法的推荐准确率、召回率以及F度量值均提高了40%以上,具有较好的广告推荐效果。     

普适环境下基于域模型的跨域资源控制机制

重点研究普适计算环境下资源管理中的跨域问题,聚焦在跨域资源访问,跨域用户漫游和跨域事务转移的机制方面,提出了评估方法并对提出的机制进行了实验分析,验证了在大规模无缝的普适计算环境下,所基于的域管理模型和研究的跨域机制能获得更高的运行效率。