一种Deep Web聚焦爬虫爬行策略

实现大规模Deep Web数据源集成是方便用户使用Deep Web信息的一种有效途径,Deep Web爬虫是Deep Web数据源集成的关键组成部分,提出一种针对结构化Deep Web的聚焦爬虫爬行策略,通过对查询接口的特征分析来判断Deep Web数据源的主题相关性,同时,在评价链接重要性时,综合考虑了页面内容的主题相关性和链接的相关信息,实验证明该方法是有效的.     

一种基于领域本体的Deep Web数据自动标注方法

为了准确全面地对Deep Web查询结果页面的数据进行语义标注,将领域本体作为Web数据库所应遵循的全局模式引入到语义标注的研究中,通过建立起接口模式、结果模式与本体间的映射来实现数据的自动语义标注。针对多个不同领域的Web数据库进行实验测试,证明了该方法是有效的。     

一种针对商品数据记录的自动抽取方法

提出一种针对电子商务网站商品列表页数据记录的自动抽取方法。该方法根据商品记录的特点,通过商品记录中商品的文本、图片以及布局等节点类型信息计算节点对应的值,依据节点值的相似度对节点进行分组,再从不同分组中过滤出包含数据记录节点的集合,从而抽取整个页面的数据记录。实验结果证明该方法有效且抽取效率较高。     

基于煤岩特征弹性参数的掘进煤巷地震波超前探测研究

弹性波超前探测技术已广泛应用于隧道等地下工程领域,而煤田地质领域研究较少,为了精确探测掘进巷道前方地质构造,采用DTC-150超前探测系统,运用弹性波反射法对古汉山煤矿1702回风巷掘进巷道进行超前地质预报。结果表明:以偏移剖面为基础,综合运用纵横波速度、岩石密度、纵横波速度比、泊松比、品质因子、剪切模量等煤岩特征弹性参数能够极大提高地震波超前探测的解释精度,成功预测出距离掘进巷道迎头前方65～74 m范围内存在煤层破碎带,掘进巷道迎头前方136～138 m范围的断层发育情况,与现场钻探验证与揭露对比吻合。     

矿用本安型消弧补偿装置的研究

运用自制的矿用本安型防爆消弧补偿设备,进行了10k V煤矿电网谐振接地系统在发生单相接地故障过程中的影响研究,结合对调容式消弧线圈和相关矿用自动化设备的研究,通过仿真验证证明,分析了矿用自动消弧补偿装置在消弧调谐方面的作用。设计了装置的软硬件,实验结果表明,在10k V煤矿电网发生单相接地后产生59.016A的接地电流,而经过检测后补偿设备产生62.885A的补偿电流,最终使故障残流减小为3.869A,在电网安全范围内成功实现灭弧功能并使其不再复燃。     

高密度电法对徐州某工程地基的勘察

高密度电法具有测点密度高,信息丰富,解释方便。在寻找地下水,查明采空区、裂隙带,探测断层带和划分地层等方面得到广泛应用。借高密度电法对地基勘察的工程实例,介绍其原理、技术方法及数据处理推断解释,最后对高密度电法在工程上的应用提出看法。     

基于上下文感知和个性化度量嵌入的下一个兴趣点推荐

随着基于位置的社交网络推荐系统的逐步发展,兴趣点推荐成为了研究热门。兴趣点推荐的研究旨在为用户推荐兴趣点,并且为商家提供广告投放和潜在客户发掘等服务。由于用户签到行为的数据具有高稀疏性,为兴趣点推荐带来很大的挑战。许多研究工作结合地理影响、时间效应、社会相关性等方面的因素来提高兴趣点推荐的性能。然而,在大多数兴趣点推荐的工作中,用户访问的周期性习惯和伴随用户偏好的上下文情境信息没有被深度地挖掘。而且,下一个兴趣点推荐中一直存在着数据的高稀疏度。基于以上考虑,针对用户签到的数据稀疏性问题,将用户周期性行为模式归结为上下文情境信息,提出了一种基于上下文感知的个性化度量嵌入推荐算法,同时将用户签到的上下文情境信息考虑进来,从而丰富有效数据,缓解数据稀疏性问题,提高推荐的准确率,并且进一步优化算法,降低时间复杂度。在两个真实数据集上的实验分析表明,本文提出的算法具有更好的推荐效果。     

基于SOA的居民健康档案发布及其隐私保护

为实现更智能化、更高效的互动运转,区域医疗融合发展的时代趋势已使原来离散的业务系统向以电子健康档案和电子病历为业务主线的驱动模型整合,借助存储和网络技术的广泛应用,数据的自动收集、复制、发布、共享和快速传播变得越来越便捷,这同时带来对个人隐私保护的需求。文中结合基于SOA居民健康档案管理系统（EHR）的实际应用,给出了利用Web Service实现SOA的有效方法。平台以服务居民为中心,同时,有效地保障了协同医疗环境下的个人隐私,做到了公共策略与个人隐私策略的有效结合,实现了安全、可控的SOA居民健康档案。     

一种基于范围型属性的Deep Web数据提取方法

针对在Deep Web数据库查询结果存在上限k的情况下,对于如何提取数据记录的问题,提出一种基于范围型属性的数据提取方法。利用范围型属性的值域特征,将其值域按照目标数据库的分布样本划分为多个子区间。实验结果表明,按照该方法划分的子区间,使得查询收益,查询饱和度和已提取数据的覆盖程度等指标均达到98.50%以上。