提出了一种应用于快速移动环境的上下文感知优化链路状态协议CAOLSR(Context-aware Opti mized Link State Routing Protocol)。CAOLSR采用了一种上下文信息机制,将节点间相对移动预测、前后访问时间以及节点连接度情况引入MPR(Multi Po...提出了一种应用于快速移动环境的上下文感知优化链路状态协议CAOLSR(Context-aware Opti mized Link State Routing Protocol)。CAOLSR采用了一种上下文信息机制,将节点间相对移动预测、前后访问时间以及节点连接度情况引入MPR(Multi Point Relays)选择,并设计了CAOLSR-MPR算法。此外,CAOLSR通过引入Fisheye减少了移动性对路由精度的影响。模拟实验表明,在节点快速移动与拓扑快速变化环境下与HOLSR(Hierarchical Optimized Link State Routing Protocol),OLSR(Opti mized Link State Routing Protocol),DSDV(Destination Sequenced Distance Vector)相比,CAOLSR具有更为良好的性能。展开更多
针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题,提出一种基于上下文相似度和社会网络的移动服务推荐方法(Context-similarity and Social-network based Mobile Service Recommendation,CSMSR).该方法将...针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题,提出一种基于上下文相似度和社会网络的移动服务推荐方法(Context-similarity and Social-network based Mobile Service Recommendation,CSMSR).该方法将基于用户的上下文相似度引入个性化服务推荐过程,并挖掘由移动用户虚拟交互构成的社会关系网络,按照信任度选取信任用户;然后结合基于用户评分相似度计算发现的近邻,分别从相似用户和信任用户中选择相应的邻居用户,对目标用户进行偏好预测和推荐.实验表明,与已有的服务推荐方法 TNCF、SRMTC及CF-DNC相比,CSMSR方法有效地缓解数据稀疏性并提高推荐准确率,有利于发现用户感兴趣的服务,提升用户个性化服务体验.展开更多
作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐。对如何利用隐式反馈数据进行个性化推荐进行了研究,提出了一种融合上下文信息和用户社交信息的隐式反馈推荐模型(Implicit Feedba...作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐。对如何利用隐式反馈数据进行个性化推荐进行了研究,提出了一种融合上下文信息和用户社交信息的隐式反馈推荐模型(Implicit Feedback Recommendation Model Fusing Context-aware and Social Network Process,IFCSP)。首先从数据集中提取与用户兴趣相关的上下文信息的属性集合,并以此作为分裂属性,使用决策树分类算法对"用户-产品-上下文"集合进行分类,从而将历史选择集合分组。对于要推荐的用户,根据其选择产品时的上下文信息,匹配最相似的分组,再使用基于隐式反馈的推荐模型(Implicit Feedback Recommendation Model,IFRM)预测用户对未选择产品的偏好,并结合用户的社交信息,进而对用户进行产品推荐。实验表明,该模型在平均正确率均值(MAP)和平均百分百排序(MPR)评价指标上均优于其他4种算法,可以显著提高系统的预测和推荐质量。展开更多
机会网络中主流的路由算法多数未考虑节点的社区性质。针对该问题,提出一种基于社区和社会性的机会网络路由算法。根据节点间的社会关系强度动态自适应地将节点分割为多个社区,并利用社会性高的节点带动消息的发送,逐步把消息发送至目...机会网络中主流的路由算法多数未考虑节点的社区性质。针对该问题,提出一种基于社区和社会性的机会网络路由算法。根据节点间的社会关系强度动态自适应地将节点分割为多个社区,并利用社会性高的节点带动消息的发送,逐步把消息发送至目标社区节点或社会性高的节点。仿真结果表明,与Spray and Wait和PRoPHET算法相比,该算法具有较高的传输成功率和较低的传输延迟。展开更多
为提高车载自组织网络(vehicular Ad hoc networks,VANETs)中消息投递的效率,提出了一种社会感知多副本车载自组织网络机会路由协议(SAMOR)。协议结合了车载自组织网络中节点的社会性特点和多副本路由方案的优势,采用携带—存储—转发...为提高车载自组织网络(vehicular Ad hoc networks,VANETs)中消息投递的效率,提出了一种社会感知多副本车载自组织网络机会路由协议(SAMOR)。协议结合了车载自组织网络中节点的社会性特点和多副本路由方案的优势,采用携带—存储—转发的机会路由方式进行消息投递。利用节点间的相遇历史区分社区节点和全局节点,并使用所提出的节点社区中心性和网络中心性的度量方法,得到了节点的效用。在路由过程的扩散阶段,节点间按效用分配副本,在转发阶段,副本继续向效用高的节点转发。仿真结果表明,SAMOR实现了较高的消息投递成功率和较低的延迟。展开更多
文摘提出了一种应用于快速移动环境的上下文感知优化链路状态协议CAOLSR(Context-aware Opti mized Link State Routing Protocol)。CAOLSR采用了一种上下文信息机制,将节点间相对移动预测、前后访问时间以及节点连接度情况引入MPR(Multi Point Relays)选择,并设计了CAOLSR-MPR算法。此外,CAOLSR通过引入Fisheye减少了移动性对路由精度的影响。模拟实验表明,在节点快速移动与拓扑快速变化环境下与HOLSR(Hierarchical Optimized Link State Routing Protocol),OLSR(Opti mized Link State Routing Protocol),DSDV(Destination Sequenced Distance Vector)相比,CAOLSR具有更为良好的性能。
文摘针对传统的基于协同过滤的移动服务推荐方法存在的数据稀疏性和用户冷启动问题,提出一种基于上下文相似度和社会网络的移动服务推荐方法(Context-similarity and Social-network based Mobile Service Recommendation,CSMSR).该方法将基于用户的上下文相似度引入个性化服务推荐过程,并挖掘由移动用户虚拟交互构成的社会关系网络,按照信任度选取信任用户;然后结合基于用户评分相似度计算发现的近邻,分别从相似用户和信任用户中选择相应的邻居用户,对目标用户进行偏好预测和推荐.实验表明,与已有的服务推荐方法 TNCF、SRMTC及CF-DNC相比,CSMSR方法有效地缓解数据稀疏性并提高推荐准确率,有利于发现用户感兴趣的服务,提升用户个性化服务体验.
文摘作为解决信息过载问题的有效方式,推荐系统能够根据用户偏好对海量信息进行过滤,为用户提供个性化的推荐。对如何利用隐式反馈数据进行个性化推荐进行了研究,提出了一种融合上下文信息和用户社交信息的隐式反馈推荐模型(Implicit Feedback Recommendation Model Fusing Context-aware and Social Network Process,IFCSP)。首先从数据集中提取与用户兴趣相关的上下文信息的属性集合,并以此作为分裂属性,使用决策树分类算法对"用户-产品-上下文"集合进行分类,从而将历史选择集合分组。对于要推荐的用户,根据其选择产品时的上下文信息,匹配最相似的分组,再使用基于隐式反馈的推荐模型(Implicit Feedback Recommendation Model,IFRM)预测用户对未选择产品的偏好,并结合用户的社交信息,进而对用户进行产品推荐。实验表明,该模型在平均正确率均值(MAP)和平均百分百排序(MPR)评价指标上均优于其他4种算法,可以显著提高系统的预测和推荐质量。
文摘机会网络中主流的路由算法多数未考虑节点的社区性质。针对该问题,提出一种基于社区和社会性的机会网络路由算法。根据节点间的社会关系强度动态自适应地将节点分割为多个社区,并利用社会性高的节点带动消息的发送,逐步把消息发送至目标社区节点或社会性高的节点。仿真结果表明,与Spray and Wait和PRoPHET算法相比,该算法具有较高的传输成功率和较低的传输延迟。
文摘为提高车载自组织网络(vehicular Ad hoc networks,VANETs)中消息投递的效率,提出了一种社会感知多副本车载自组织网络机会路由协议(SAMOR)。协议结合了车载自组织网络中节点的社会性特点和多副本路由方案的优势,采用携带—存储—转发的机会路由方式进行消息投递。利用节点间的相遇历史区分社区节点和全局节点,并使用所提出的节点社区中心性和网络中心性的度量方法,得到了节点的效用。在路由过程的扩散阶段,节点间按效用分配副本,在转发阶段,副本继续向效用高的节点转发。仿真结果表明,SAMOR实现了较高的消息投递成功率和较低的延迟。
