基于51ditu 扩散性网络 Mashup 动态显示研究

在地图服务繁琐的搜索结果中,直观地显示用户需要的信息是 Web2.0时代所必需的服务.本设计利用51ditu 开放的 API 及 Mashup 技术,根据数据库处理所得的数据,将其地址转化成经/纬度,在51ditu 上找到相应地址做标记并针对扩散性网络,例如连锁企业,其总、分店汇总后的数据及各店的详细信息动态地按不同比例级别以星型拓扑图直观地展现给 Web 用户,用户的其他有关信息(如店址、企业的简单介绍、联系方式等)都采用信息窗口的方式来展现给使用者.采用这种设计从视觉角度给所有的 Web 用户带来好效果的服务是很受用户欢迎的.     

用户粒度级的个性化社交文本生成模型

针对开放性的社交文本领域的文本生成技术生成的文本内容缺少个性化特征的问题,提出了一种用户级的细粒度控制生成模型,即PTG-GPT2-Chinese(Personalized Text Generation Generative Pre-trained Transformer 2-Chinese）。所提模型基于GPT2(Generative Pre-trained Transformer 2.0）结构设计了Encoder-Decoder模型框架。首先在Encoder端对用户的静态个性化信息建模并编码,在Decoder端添加了双向独立的注意力模块,用于接收该静态的个性化特征向量,并利用原始GPT2结构中的注意力模块捕获用户文本中的动态个性化特征;然后,动态加权融合各注意力模块分数并参与后续解码,从而自动生成以用户个性化特征属性作为约束的社交文本;此外,为了解决用户基本信息的语义稀疏性导致的生成文本偶尔与某些个性化特征存在矛盾的问题,采用BERT模型对Decoder端输出数据与用户个性化特征进行一致性理解的二次增强生成,最终实现个性化的社交文本生成。实验结果表明,与GPT2模型相比,所提模型...     

基于内容与社会过滤的好友推荐算法研究

基于内容算法与社会过滤算法都是迄今为止在社交网络中较为成功的好友推荐算法。结合两者的优点,根据用户已有的好友来给用户推荐新的好友,并与用户的兴趣爱好、地理位置等个人信息相结合的方式来处理好友推荐问题。通过实验验证以及准确率和召回率的评测显示,改进的算法比传统的好友推荐算法在推荐性能上有较为明显的提高。     

基于Web服务的Mashup应用的研究与实现

Mashup的出现使得开发更加方便,随着越来越多的信息提供者公开自己的API,用户变成开发者加入到开发Mashup的队列中,各种新型的Mashup应用在网络上出现.Mashup作为Web2.0的特性.能够对数据资源进行整合与利用,提升数据价值.在论述Mashup技术特点的基础上,并讨论采用Mashup技术,实现数据共享和应用开发.提出了基于Web Service的商品信息系统技术框架.通过案例研究验证了基于Web Service来构建Mashup应用的可行性.表明Web Service和Mashup技术在信息系统中具有巨大的应用潜力.     

AXML站点特性的研究

ActiveXML定义为一种动态的XML,主要思想是在XML中嵌入Web Services调用。其目的是促进对在P2P环境下的不同设备上的分布的信息的管理。本文主要讨论为有效支持ActiveXML语言而提出的ActiveXML站点的一些特性,并分别从用户和服务器两个方面对其特性进行进一步分析。     

基于用户意图的微博文本生成技术研究

微博是个人和组织用户分享或获取简短实时信息的重要社交平台,微博文本自动生成技术能帮助用户在微博平台上快速实现各种社交意图。为辅助用户发表博文并表达社交意图,提出一种基于用户意图的微博文本生成技术,以挖掘提取微博文本特征,并在给定微博主题的条件下生成与用户意图相一致的微博文本。采用预训练语言模型与微调相结合的方法,在预训练语言模型GPT2上实现联合主题和用户意图的文本控制生成,以及具备用户对话功能的文本预测生成。实验结果表明,该技术生成的文本具有较高的可读性且符合微博文本语言风格,结合主题和5类用户意图的生成样本人工评分达77分以上。     

基于知网的个人微博语义相关度的聚类研究

聚类相关度大的个人微博有助于快速了解博主的专业兴趣和经历,目前的短文本聚类方法缺乏对于语义和句子相关度的充分考虑,提出了一种基于知网的个人微博语义相关度的聚类方法。其要点如下:(1)利用Skip-gram训练大量微博文本生成词汇向量;(2)根据词汇义原进行句内词汇消除歧义;(3)分别计算个人微博之间词汇和句子的相似度并将其综合得到博文相关度;(4)根据博文相关度进行个人微博的聚类。实验表明,相较于层次聚类法、密度聚类法,本文算法的准确度有明显提高。     

基于ERNIE和BiLSTM的中文名词隐喻识别

隐喻普遍存在于自然语言中,精确的识别隐喻可以促进自然语言处理具体任务中语义的理解.为了提高中文名词隐喻识别效果,提出一种基于知识增强的语义表示(ERNIE)和双向长短期记忆网络(BiLSTM)的分类模型ERNIE_BiLSTM.该模型使用ERNIE进行编码,获取上下文相关的语义表示;并利用双向LSTM再次训练词向量,捕获文本长距离的语义关系.实验结果表明,ERNIE_BiLSTM模型在中文名词隐喻识别数据集上表现良好,准确率达到90.34％.     

基于关联规则与标签的好友推荐算法

针对用户在社交网络中添加哪些用户为自己好友的问题,采用好友之间的关系推荐和喜好标签的相似度推荐相结合的方法,提出了改进的推荐算法。首先,通过用户之间的好友关系推荐出目标用户共同好友最多的Top-N用户,其次,通过目标用户和推荐出的Top-N用户间标签的相似性推荐分数最高的用户,再给定他们相应的权重,进行打分,选取分数最高的Top-N用户进行推荐。实验结果表明,运用相结合的算法是有效的,在准确率和召回率上优于同类的好友推荐算法。     

语义Web Services描述框架的比较研究

由于Web Services可处于分布式环境中、在异构平台上进行交互以及高度的集成性等优点,Web Services技术引起了越来越多的人的关注,而语义Web Services一直是该领域的研究热点。文章首先通过一个例子说明语义Web Services产生的必要性,然后主要介绍了目前Web Services领域的OWL—S、WSMO、SAWSDL和FLOWS四种服务描述框架,并对其进行比较分析。