耦合云环境多维情景的大数据知识服务推荐机制

针对大数据知识服务的情景推荐问题,将情景信息引入个性化推荐过程,结合云计算技术提出一种耦合云环境情景的大数据知识服务推荐机制。实验表明,该方法获得了比传统推荐方法更低的MAE值,可应用于大数据知识服务个性化推荐。     

云实训室信息化数据智能推荐技术

多模态领域内，海量信息化数据交互使用，用户难以精准获取目标资源，为此提出一种基于三维双流网络的云实训室信息化数据智能推荐技术。分析历史数据，采集用户对数据倾向程度，利用人口统计信息与历史评价矩阵，计算用户兴趣与待推荐数据间相似性，应用K-Means算法聚类相似性结果，引入三维双流网络，卷积化处理相似性结果集合，凭借文本与图像特征信息，对比卷积下数据与用户分类结果，实现云实训室信息化数据的智能推荐。实例测试结果表明，所提技术具有推荐效率较高与推荐满意度评分较好的优点。     

一种融合云模型和信任的推荐算法

针对传统的协同过滤推荐系统推荐精度低的问题,从用户相似度和用户信任度两个角度出发,提出了一种融合云模型和信任的推荐算法。采用云模型的相似度方法计算用户间的相似度,再采用信任推导来计算用户间的信任值,在此基础之上根据用户相似度和信任度两个因素分别确定邻居用户,得到预测评分。再将二者的预测评分结合的混合值作为最终的预测评分,从而产生推荐。实验结果表明,该算法与基于信任关系的推荐算法相比有更好的推荐效果。     

云环境下大数据服务性能的测试与优化研究

云环境取得了快速发展和普及,人们可以从云环境中租用所需要的资源,然后,按照租用的资源量进行精确计费,出现了一种大数据即服务概念(BDaaS),为了进一步提高BDaaS性能,现提出一套系统、完善的BDaaS on Openstack优化方案。首先,根据云环境、大数据计算框架、BDaaS等概念,探讨了BDaaS资源管理与使用策略;其次,从块设备以及Sahara接口优化、虚拟化性能瓶颈解决、数据源使用策略3个方面入手,提出行之有效的优化策略。结果表明文章所提出的优化方案具有较高的可靠性、可行性和正确性,可为技术人员提供有效的借鉴和参考。     

基于大数据下的电子商务信息推荐研究

文章通过阐述大数据时代环境,分析基于大数据下的电子商务信息推荐,对大数据背景下电子商务信息推荐发展趋势展开探讨,旨在为如何促进电子商务信息推荐有序进行研究提供一些思路。     

浅谈云环境下的高校数字化图书馆

云计算机应用在数字化图书馆中在软硬件等方面给高校图书馆的发展带来了新的契机,同时也会面临存储和使用信息的安全问题。文章通过云计算机着重分析了国内高校的图书馆云应用的可行性,并结合实际情况,分析云计算机在高校图书馆中的应用与不足。     

面向服务质量感知云API推荐系统的数据投毒攻击检测方法

针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法。首先,依据设计的相似性度量函数构建用户连通网络图,并利用Node2vec捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征。进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测。最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务质量感知云API推荐系统在数据端的投毒攻击防御。     

基于大数据的电子商务个性化信息推荐服务模式研究

借助于电子商务网站虽然能够给用户们提供比较多的产品以及服务,但是也让用户们寻求符合自身需求的产品信息难度得到了一定程度的提升,为了使得企业自身的市场竞争能力得到提升,也就需要构建一个基于大数据的电子商务个性化信息推荐服务模式,来为用户们提供更加优质的信息服务.     

云制造环境下基于竞标机制的云服务主动寻租

为了对云制造环境下的主动制造提供支持,促使服务交易双方共同获利,提出一种将竞标机制应用于云服务主动寻租的方法.该方法将用户制造需求分解成子任务,以标书的形式发布,云服务根据标书和自身实际决定是否投标;在评标时,竞标中心综合考虑对云服务投标书的评价和其它服务的推荐评价来决定中标云服务,并通过招租栏使质量差的服务也有被使用的机会.给出基于竞标机制的云服务主动寻租模型和算法描述,通过仿真实验,说明了方法的有效性.     

基于云模型的选煤厂CIMS环境下数据融合

结合数据融合综合处理信息的特点和云模型定性与定量相结合的信息处理方法,分析了选煤厂计算机现代集成制造系统(CIMS)环境的特点,提出了选煤厂CIMS环境下数据融合的体系结构,详细分析了3个分系统基于云模型的数据融合过程,创建了各个分系统云模型数据融合的模型图,同时提出了各个分系统的数据融合采用的方法及其云模型算法。通过算法仿真实验表明选煤厂采用云模型数据融合的方法对其控制生产过程有较大改进。     

语义推荐算法研究综述

近年来,语义推荐技术已成为信息服务领域的一个研究热点和重点.与传统的推荐算法相比,语义推荐算法在实时性、鲁棒性和推荐质量等方面具有显著的优势.针对语义推荐算法的国内外研究现状、进展,从四个角度进行归纳和总结,即基于语义的内容推荐算法、基于语义的协同过滤推荐算法、基于语义的混合推荐算法以及基于语义的社会化推荐算法,旨在尽可能全面地对语义推荐算法进行细致的介绍与分析,为相关研究人员提供有价值的学术参考.最后,立足于研究现状的分析与把握,对当前语义推荐算法所面临的挑战与发展趋势进行了展望.     

基于业务交换机的大规模云数据中心通用网络架构设计

业界首次提出业务交换机的概念,基于业务交换机的大规模云数据中心通用网络架构,可以为数据中心网络设计提供通用方法论,从而简化设计并使逻辑清晰,帮助运营商提高运营灵活性、降低成本与风险,为设备商提出一种可能的设备形态以支持这种架构。     

Differentiating Data Collection for Cloud Environment Monitoring

In a growing number of information processing applications, data takes the form of continuous data streams rather than traditional stored databases. Monitoring systems that seek to provide monitoring services in cloud environment must be prepared to deal gracefully with huge data collections without compromising system performance. In this paper, we show that by using a concept of urgent data, our system can shorten the response time for most ＇urgent＇ queries while guarantee lower bandwidth consumption. We argue that monitoring data can be treated differently. Some data capture critical system events; the arrival of these data will significantly influence the monitoring reaction speed which is called urgent data. High speed urgent data collections can help system to react in real time when facing fatal errors. A cloud environment in production, MagicCube, is used as a test bed. Extensive experiments over both real world and synthetic traces show that when using urgent data, monitoring system can lower the response latency compared with existing monitoring approaches.     

基于稀疏轨迹数据的出租车载客区域推荐

基于短期出租车轨迹数据的载客区域推荐能极大减少系统开销,提高推荐效率,但常伴随着数据稀疏性的问题.针对该问题,本文提出了一种融合地理信息的隐语义模型-GeoLFM.该模型通过将出租车司机所处的客观地理环境信息,融合到司机-载客区域矩阵分解的过程中,从而弥补数据稀疏性带来的不足.同时,根据出租车实时的空间位置信息,为身处不同地点的出租车推荐不同的载客区域.实验证明,本文提出的方法与常用方法相比,推荐结果与真实的出租车司机载客情况间的平均绝对误差和均方根误差都得到大幅降低,较好的提升了推荐效果.     

一种基于云模型的社交网络推荐系统评分预测方法

本文针对评分预测中用户评分主观性及评分数据稀疏带来的预测不准确问题,围绕社交推荐的特点,设计实现一种社交网络评分预测方法.首先,针对评分主观性问题,引入并优化相关云模型理论,提出采用综合云模型生成评分标准并转化用户评分的方法.其次,针对预测不准确问题,通过引入隶属度达到数据降维和目标用户定位的作用,同时考虑到社交网络用户关系对评分结果的影响,分别利用社交关系及相似群体建立两个评分预测模型,并基于高斯变换融合两部分预测结果生成预测评分.实验表明,该方案不仅克服了用户评分主观性,同时有效改善了用户评分数据稀疏情况下传统预测方法准确度偏差的问题.     

基于数据挖掘的电力云资源规划调度

随着虚拟化技术的应用,数据中心的资源利用率已经得到一定程度的提高,但是云资源通常还是根据用户提出的需求预先分配,资源利用率仍然有待提高.为了进一步改进资源利用率,云中心的实际资源需求可分为“周期资源”及“峰期资源”.“周期资源”可以通过历史规律,利用递阶成分负载模型进行分析,预测出数据中心大部分时间的资源需求;“峰期资源”主要是满足短时间内的各种高峰资源需求,这种需求应用了排队论及随机均衡算法模型并根据实际应用的需要动态启用、分配和收回资源.通过使用资源收集与分配守护进程对云中心资源需求进行规划调度实验,效果明显,从而为云中心资源利用率的提升及节能减排提供了一种有效途径.     

大数据场景下的云存储技术与应用

文章认为随着大数据应用规模的扩大,新业务环境和场景对海量云存储需求的迫切,云存储平台需要打破原有的框架,改变组网和管理方式,以满足新的业务需求。文章分析了各种场景,提出了云存储的需求及关键技术等。文章指出大数据需求促进了云存储的发展,而云存储的发展则带动了新的业务应用。     

大数据在音乐推荐质量提升中的实践及应用

基于音乐推荐的应用实例,探索和实现了大数据如何提高推荐质量的过程及方法.提出通过建立基于RFM模型的用户歌曲综合评分体系,在推荐算法中引入项目稀疏度、重叠度、可信度概念作为调整因子,在混合推荐时引入飙升词、内容标签和二次规则过滤等组合方法以解决推荐系统面临的常见问题,为大数据应用提供具体的参考和指导.     

Preventing Data Leakage in a Cloud Environment

Despite the multifaceted advantages of cloud computing,concerns about data leakage or abuse impedes its adoption for security-sensi tive tasks.Recent investigations have revealed that the risk of unauthorized data access is one of the biggest concerns of users of cloud-based services.Transparency and accountability for data managed in the cloud is necessary.Specifically,when using a cloudhost service,a user typically has to trust both the cloud service provider and cloud infrastructure provider to properly handling private data.This is a multi-party system.Three particular trust models can be used according to the credibility of these providers.This pa per describes techniques for preventing data leakage that can be used with these different models.