针对现有XML数据压缩方法在压缩数据上不支持有效连接操作问题,提出采用区间编码的压缩方法(region encodingbased XML data compression method,REXDC)对XML数据中的节点进行区间编码,实现结构连接;提出相同子树的概念和合并相同子树...
详细信息
针对现有XML数据压缩方法在压缩数据上不支持有效连接操作问题,提出采用区间编码的压缩方法(region encodingbased XML data compression method,REXDC)对XML数据中的节点进行区间编码,实现结构连接;提出相同子树的概念和合并相同子树的方法,建立一种支持有效连接操作的存储模型,实现XML数据压缩,同时解决在压缩数据上不支持有效连接操作的问题;最后,以压缩率、压缩时间、解压时间及查询性能作为衡量标准,将REXDC与XGrind、XPress和XQzip算法进行比较。实验结果证明,REXDC具有较好的压缩性能和查询性能。
兴趣点推荐是一种基于上下文信息的位置感知的个性化推荐。由于用户签到行为具有高稀疏性,为兴趣点推荐的精确度带来了很大的挑战。针对该问题,提出了一种融合相似度和地理信息的兴趣点推荐模型,称为SIGFM。首先利用潜在迪利克雷分配(Laten Dirichlet Allocation,LDA)模型挖掘用户相关兴趣特征并进行相似性度量,利用Louvain Community Detection(LCD)算法与用户签到数据进行相似性度量,使两种相似度相融合;然后使用地理信息获取用户的签到特征;最后将融合相似度和地理信息结合到一起获得一个新的模型。在真实数据集上的实验结果表明,SIGFM模型有效解决了数据稀疏性与冷启动问题,优于其他POIs的推荐算法。
暂无评论