Das MINERVA-Projekt: Datenbankselektion für Peer-to-Peer-Websuche

Zusammenfassung In diesem Artikel wird MINERVA pr?sentiert, eine prototypische Implementierung einer verteilten Suchmaschine basierend auf einer Peer-to-Peer (P2P)-Architektur. MINERVA setzt auf die in der P2P-Welt verbreitete Technik verteilter Hash-Tabellen auf und benutzt diese zum Aufbau eines verteilten Verzeichnisses. Peers in unserem Ansatz entsprechen v?llig autonomen Benutzern mit ihren lokalen Suchm"oglichkeiten, die bereit sind, ihr lokales Wissen und ihre lokalen Suchm?glichkeiten im Rahmen einer Kollaboration zur Verfügung zu stellen. Wir formalisieren unsere Systemarchitektur und beschreiben das zentrale Problem einer effizienten Suche nach vielversprechenden Peers für eine konkrete Anfrage innerhalb des Verbundes. Wir greifen dabei auf existierende Methoden zurück and passen diese an unseren Systemkontext an. Wir pr?sentieren Experimente auf realen Daten, die verschiedene dieser Ans?tze vergleichen. Diese Experimente zeigen, dass die Qualit?t der Ans?tze variiert und untermauern damit die Wichtigkeit und den Einfluss einer leistungsstarken Methode zur Auswahl guter Datenbanken. Unsere Experimente deuten an, dass eine geringe Anzahl sorgf?ltig ausgew?hlter Datenbanken typischerweise bereits einen Gro?teil aller relevanten Ergebnisse des Gesamtsystems liefert.

---

This paper presents the MINERVA project that protoypes a distributed search engine based on P2P techniques. MINERVA is layered on top of a Chord-style overlay network and uses a powerful crawling, indexing, and search engine on every autonomous peer. We formalize our system model and identify the problem of efficiently selecting promising peers for a query as a pivotal issue. We revisit existing approaches to the database selection problem and adapt them to our system environment. Measurements are performed to compare different selection strategies using real-world data. The experiments show significant performance differences between the strategies and prove the importance of a judicious peer selection strategy. The experiments also present first evidence that a small number of carefully selected peers already provide the vast majority of all relevant results.

CR Subject Classification H.4,H.3.3,H3.4     

浅论间接故意与过于自信的过失的区别

在学习刑法过程中,故意和过失是两个非常重要的概念,也是学习刑法的过程中要重点掌握的内容。其中最容易迷惑人的就是间接故意与过于自信。本文通过心理因素中的认识因素和意志因素来界定间接故意与过于自信的联系与区别,可以让我们更加容易的区分出问接故意和过于自信过失,用来更好的指导实践。     

网络图像检索提问式调整行为研究

通过网络图像检索实验,采集用户进行图像搜索任务时的提问式及其变化序列,并进行小规模实证。通过内容编码和统计分析发现:①图像检索提问调整绝大多数与内容调整有关,缩检、扩检、平移和跟随系统相关搜索词是发生最频繁的四类主要提问调整行为,用户在图像检索时表现出从宽泛检索入手,逐步缩小范围的行为趋向;②就图像提问调整模式而言,有四种基本模式和四种混合模式,各有特点;③网络图像检索的演进性偏于一种自演进,而现有图像检索系统对交互式演进的支持明显不足。图1。表2。参考文献7。     

基于Apriori改进算法的局部反馈查询扩展

提出面向查询扩展的Apriori改进算法，采用三种剪枝策略，极大提高挖掘效率；针对现有查询扩展存在的缺陷，提出基于Apriori改进算法的局部反馈查询扩展算法，该算法用Apriori改进算法对前列初检文档进行词间关联规则挖掘，提取含有原查询词的词间关联规则，构造规则库，从库中提取扩展词，实现查询扩展。实验结果表明该算法能够提高信息检索性能，与现有算法比较，在相同查全率水平级下其平均查准率有了明显提高。     

数字图书馆使用意愿影响因素研究综述

[目的/意义]梳理国内外数字图书馆用户使用意愿影响因素的研究成果，为数字图书馆的建设实践和用户行为的理论研究提供参考。[方法/过程]通过调研数字图书馆用户接受、采纳和持续使用研究的相关文献，总结数字图书馆用户使用意愿的理论模型，分析用户在使用数字图书馆过程中态度和行为的变化过程和影响因素。[结果/结论]TAM被广泛应用于数字图书馆用户使用意愿的研究中，个体因素、系统因素、情境因素和认知因素是影响用户使用意愿的主要方面，但影响的具体过程和规律还有待深入探讨和证实，应进一步从模型构建、研究视角和研究方法等层面对研究成果进行创新和完善，形成具有领域特征的用户使用意愿理论模型。     

社会化媒体用户信息披露意愿影响模型构建与实证——以微信用户为例

[目的/意义]社会化媒体信息隐私泄露事件频繁发生，加剧了用户对信息隐私的担忧，用户在使用社会化媒体过程中是否愿意向平台披露个人信息成为推动社会化媒体平台健康发展的关键。[方法/过程]利用隐私计算理论和沟通隐私管理理论为框架，结合隐私关注，构建社会化媒体用户信息披露意愿影响模型。以微信平台为例，通过问卷调查的方式收集样本数据，使用Smart PLS软件对模型合理性进行验证。[结果/结论]研究发现，感知收益、信任、感知信息控制均正向影响信息披露意愿，隐私关注负向影响信息披露意愿；信任负向影响感知风险；感知信息控制负向影响隐私关注；隐私倾向正向影响隐私关注和感知风险。     

在线教育产品评论与用户使用意愿的关系

[目的/意义] 在线教育评论是影响用户选择和使用在线课程的重要因素，在线教育评论信息的有用性的研究可以辅助用户选择决策，增强用户的使用意愿，推动在线教育产品迭代更新。[方法/过程] 采用问卷调查和实验研究相结合的方法，分析在线评论情感极性（正面评价、负面评价）、产品类型（搜索型在线教育产品、体验型在线教育产品、信任型在线教育产品）对于在线教育评论有用性感知的影响，同时研究在线教育评论信息的有用性、可信性等对选择和使用在线教育评论信息意愿的影响。[结果/结论] 搜索型在线教育产品和信任型在线教育产品的负面评论比正面评论更有用，而搜索型在线教育产品的评论情感极性对评论有用性无统计上的显著差异。当在线教育评论信息固定为正向评论时，在线教育产品类型对感知有用性的调节作用并不十分显著，然而当在线教育评论信息为负向评论时，在线教育产品类型对在线教育评论有用性有显著调节作用。     

Time span of news coverage as an antecedent of perceptual and behavioral components of third-person effect

This study extends the research of the third-person effect by examining the effect of time span of media message on perceptual and behavioral components of the third-person effect. Using a survey of Hong Kong residents, the study explores perceived media effect of the news coverage of a short- and a long-term issue and the predictor of intention to take action to reduce negative effect. The results revealed no third-person effect by the short-term messages and the reverse third-person effect (first-person effect) by the long-term messages. There was a significant difference in discrepancy between the perceived media effect on self and others (third-person perception) produced by the messages of the short- and long-term issue. The study also found that perceived media effect on self is a stronger predictor of intention to take action to reduce the negative effects of the short- and long-term issue than the third-person effect.     

搜索引擎查询日志的词性标注和挖掘研究

利用搜狗（Sogou）2007年3月的查询日志,使用词性标注方法,得出高频词性标注结果的分布特征。发现用户在查询中以使用名词为主,动词为辅,鲜有其它词类出现在高频词性标注结果中。以“的”为代表的虚词较少地出现在高频词性标注结果中。网络搜索的查询式与自然语言在句法上存在一定差异,但也有相通之处。用户主要使用名词进行概念性检索,关键词仍为用户进行检索的主要手段。高频词性标注结果部分符合Zipf定律。     

Modeling actions of PubMed users with n-gram language models

Transaction logs from online search engines are valuable for two reasons: First, they provide insight into human information-seeking behavior. Second, log data can be used to train user models, which can then be applied to improve retrieval systems. This article presents a study of logs from PubMed^®, the public gateway to the MEDLINE^® database of bibliographic records from the medical and biomedical primary literature. Unlike most previous studies on general Web search, our work examines user activities with a highly-specialized search engine. We encode user actions as string sequences and model these sequences using n-gram language models. The models are evaluated in terms of perplexity and in a sequence prediction task. They help us better understand how PubMed users search for information and provide an enabler for improving users’ search experience.