基于活动社交网络的推荐系统设计与实现
这是一篇关于EBSN,微服务,特征融合,社交关系,行为模式的论文, 主要内容为随着人类步入信息时代,出现了一种以活动为核心的社交网络(Event-based Social Network,EBSN),并且近年来发展迅猛。面对日益增多的社交网络信息,用户将很难快速获取自己需要的内容,基于EBSN的活动推荐越来越受到人们关注。尽管相关研究日益增加,但是在EBSN中对活动进行个性推荐有特殊的难点:用户参与活动的数量是十分有限的,而参与单个活动的用户数量也有限,并且活动中有些为一次性活动,故用户—活动矩阵十分稀疏;EBSN的社交性质和线下性质决定了活动推荐需要同时满足用户线上和线下的社交关系和个人行为模式,传统的推荐方法无法取得较好的效果。且随着EBSN的发展,对应的推荐方法需要同步迭代更新,这将造成频繁的系统升级。为了解决这些问题,本文提出一种融合多特征因素的改进协同过滤推荐方法,并使用微服务技术构建推荐框架,设计并实现了基于活动社交网络的推荐系统。论文主要内容如下:(1)设计出一种基于微服务的推荐框架。个性化推荐随着系统的发展和数据量的积累,推荐模型本身也需要迭代更新。传统web技术实现的系统在迭代时需要不断的更新整个系统。本文使用微服务技术来设计出一种推荐框架,由微服务实现不同推荐召回策略和排序策略,需要迭代更新推荐模型时,仅需要更新对应的微服务即可完成整个系统功能的迭代升级。基于微服务的推荐框架还提供了多种策略灵活组合的可能性,使系统能够根据使用场景定制化地决定系统推荐策略,找到某一场景下最适合的推荐方法。(2)设计出一种融合多特征因素的改进协同过滤推荐模型。现有的活动社交网络推荐方法多从影响用户参与活动的因素出发,或是根据用户社交关系构建的图模型出发进行推荐。本文根据分析得到的用户行为特征、信息特征、活动特征、社交关系、发布者影响力等特征数据,结合协同过滤模型,将用户行为模式和社交关系等影响因素和协同过滤模型结合,构建一种融合推荐模型。最终向用户提供满意度更高的推荐结果。(3)设计并实现基于活动社交网络的推荐系统。本文将系统设计为两个子系统,分别为利用web开发技术实现业务流程的业务子系统,和利用微服务技术实现的推荐子系统。两个子系统之间进行数据共享交互,实现了用户使用ENSN活动推荐系统的各项基本功能。最后对系统的功能和性能进行测试。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
基于网络流量日志的可视分析方法研究与实践
这是一篇关于网络日志,可视分析,服务发现,行为模式的论文, 主要内容为随着互联网、物联网、云计算等信息技术飞速发展,我们已经步入大数据时代。大数据的分析是大数据研究领域的核心内容之一。数据的分析方法主要可从两个角度出发,其一,是从计算机的角度出发,强调计算机的计算能力和人工智能;其二,是从人的角度出发,以人作为分析主体,通过人机交互、人的感官和感官分析,将人所具备,而机器却并不擅长的认识能力融入分析过程中。数据的可视化分析方法就是这一角度的主要代表。本文正是以可视化的方法为工具,发现网络日志中记录的有趣信息。本文以中小型网路的网路日志数据为切入点。首先,运用数据可视化的方式对网络日志数据进行可视化展示;然后,使用相应的可视分析方法对该可视化效果所反映的网络日志数据予以分析。试图通过该方法发现网络日志中所隐藏的网络运行整体状况、异常的网络现象和网络用户行为模式等信息。在本文网络日志数据可视化过程中,对节点布局、网络服务分析、服务器发现以及人机交互设计等方面进行了较为深入研究,同时,提供了自己的解决方案,并且,最后使用现有公开的网络日志数据对其进行了效果验证。本文的主要工作包括:(1)基于力导向主机连接视图,端口主机关联分析视图、流量热点统计视图等,设计了一套以组合方式展现网络日志中源IP、目标IP、源端口、目标端口、时间和流量大小6个维度信息的可视化方案。同时,该方案又尽可能地保证各个维度的信息之间的关联得以展现。(2)借助D3.js、Vue.js等第三方扩展包,使用Web前端的方式,将设计网络日志数据可视化方案予以实现。并且,在实现过程中,根据相应的实现方式的平台特性,对某些可视化视图的绘制上进行了一定程度的优化处理。(3)对公开数据集的网络日志使用了一定程度的数据可视化手段进行预处理。使用预处理完成后的网络日志数据,对网络中存在的网络运行状况、主机行为模式、网络服务情况等进行了相应的分析。本文的工作进行顺利,可视化工具的开发顺利完成,同时结合该可视化工具及其相应的交互方式,形成了一套完整的可视分析方法。通过使用该工具网络管理者能够发现网络日志中的服务运行状况,用户行为模式等信息,有助于网络环境的健康运行,以及网络效率的提升。
基于行为模式的Web Robot检测技术研究
这是一篇关于网络爬虫检测,行为模式,支持矢量机的论文, 主要内容为Web Robot(网络爬虫)是一种能够自动地获取各类互联网资源的程序,自1993年被正式应用后,给普通用户和专业互联网从业人员都带来了便利。伴随着Web Robot的出现,人们才具备在日益增长的互联网数据中进行有目的地检索的能力。而互联网技术不断发展,已经全面地融入到社会的各个方面,互联网上的数据量也在高速增加,为了满足人们不同的需求,网络爬虫技术也在不断更新。通常来说可以分为通用Robot、聚焦型Robot、增量式Robot、Deep Robot、Topic Robot以及分布式Robot。在实际使用中,大型的网络爬虫系统往往会融合几种技术以共同实现,使得其架构和行为变得日益复杂。然而,在其被人们大量地被应用到检索网络信息和资源的同时,也产生了隐患和负面效果。Web Robot会频繁地尝试获取网站上的各类资源,这会影响网站服务器的性能并且会产生信息泄露的风险;其次,爬虫程序对网站的访问会影响网站日志,进而影响基于网站日志的数据挖掘工作的难度和准确度;此外,出于恶意目的(如窥探网站漏洞或窃取网站信息)而设计的Robot程序会造成隐私数据泄露、资源滥用等问题。为了解决这些问题,互联网工作者开发出了许多Web Robot检测技术,使得网站的开发人员能够检测客户端是普通用户还是Robot程序。为了进一步提高对Web Robot的检测效果,弥补现有检测手段的不足,本文采用会话矢量描述Web Robot的行为模式,实现了一种基于Web Robot行为特征的检测算法。主要内容有:通过针对Web Robot的设计原理行为模式等方面的分析,详细介绍了其他检测算法的优劣;介绍了行为矢量的原理,分析方法,及其在各个领域的应用;设计基于支持矢量机的Web Robot检测算法,对其有效性进行分析,并在实验中完成了测试。论文创新点在于:针对网络爬虫的行为特征,对Web日志进行聚类分析,提取出能够标记Web访问会话的特征矢量,并对此做出改进,给出了特征矢量权值的计算方法及改进的权值公式。在基于支持矢量机的爬虫检测算法的基础上设计实现了基于行为模式的爬虫检测系统,并对其系统架构及模块设计进行了详细描述。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设导航 ，原文地址：https://m.bishedaima.com/lunwen/52741.html
