基于动态图嵌入的车联网拓扑控制

针对由车联网的高度动态性和复杂性导致网络拓扑难以合理、稳定构建的问题,提出了关于车联网的范围标签图嵌入方法。首先,根据路侧单元分割车辆网络,利用驾驶员辅助系统获取实时车辆信息;其次,使用傅里叶变换、模糊推理对车辆信息预处理,获得车辆低维特征向量,再对新加入网络的车辆节点进行冷启动处理;最后,以所提动态图嵌入方法在区域内进行拓扑控制,充分利用车辆的特征信息构建车联网,实现网络的动态更新。实验结果表明,所提图嵌入方法建立的网络拓扑相对于传统网络及对比图嵌入方法,具有更好的动态性、连通性以及稳健性。     

基于用户行为认知的在线社交网络协同推荐

近年来,在线社交网络成为人们工作、生活不可或缺的信息共享与交流工具,如何对海量庞杂、大范围时空关联的用户行为信息进行认知并据此提供个性化的推荐服务,已成为在线社交网络发展重点关注的问题。为此,提出了一种基于用户行为认知的在线社交网络协同推荐框架,在对用户特征、文本信息及兴趣偏好等行为进行认知的基础上,利用协同过滤算法,实现个性化的推荐服务。实验结果验证了提出的基于用户行为认知的协同推荐策略具有较好的稳定性和实际应用效果。