国家自然科学基金(61300054)
- 作品数：7 被引量：13H指数：3
- 相关作者：周国强张迎周王子元陈蕾杨李婷更多>>
- 相关机构：南京邮电大学中国电信股份有限公司南京分公司桂林电子科技大学更多>>
- 发文基金：国家自然科学基金江苏省“青蓝工程”中青年学术带头人培养对象资助项目广西可信软件重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种参数化的改进SDG程序切片方法
- 2017年
- 程序切片是一种重要的程序分析理解方法,在实际的生产和研究方面已经得到非常广泛的应用。目前主流的过程间程序切片方法是基于系统依赖图(SDG)算法,但这种算法缺乏对过程内切片结果的再使用。文中提出一种参数化的改进SDG切片方法,使用一种新的构造传递依赖边的方法(Summ Edge算法),充分复用了过程内切片的结果,无需构造特征子图等中间形式,避免了调用上下文问题和重复计算。此外,文中对算法的效率和精度进行了验证,并与其他切片算法进行比较,实证了改进SDG算法的有效性。
- 张迎周徐晨晨竺殊荣
- 基于可信推荐的服务质量评估模型被引量：2
- 2015年
- 由于网络用户多样性和利益诉求的复杂性,部分用户发布的Qo S数据不完全可信,以致影响了Qo S评估的精度,为此提出基于可信推荐的Qo S评估模型TR-SQE。该模型以用户推荐的与众不同程度作为其推荐信任度,隔离推荐信任度低于阈值的用户发布的Qo S数据;TR-SQE将修正过的QOS信息作为推荐数据,接着根据用户与推荐者的偏好相似性来评估服务质量。分析和仿真结果表明,TR-SQE的平均绝对偏差MAE较其他方法小,评估结果与真实的服务质量基本相符,TR-SQE有助于用户的服务选择。
- 周国强杨锡慧刘洪舫
- 关键词：服务质量
- “卓越计划”背景下“高等数学”教学改革探索——以计算机科学与技术专业为例被引量：4
- 2016年
- 高校在实施国家"卓越计划"过程中,普遍存在部分通识基础课(如"高等数学")难迎合"卓越计划"的"强化培养学生的工程能力和创新能力"特点。数学的工程应用创新能力是卓越人才培养的迫切需求。针对正在实施卓越人才培养的南京邮电大学计算机科学与技术专业,进行"高等数学"课程教学内容和教学方法改革探索。增加"卓越计划"背景下对该课程导论以及与计算机科学密切联系的介绍,激发学生学习兴趣;调整优化本课程的教学内容,适当增加数学实践内容,同时兼顾学生的兴趣实行试点教学改革;更新教学方法、教学模式,建立结合数学思维和任务驱动的、学以致用的多样化教学模式,加强学生数学思维、实践和创新的能力等。
- 许碧欢张迎周陈蕾
- 关键词：高等数学数学思维计算机科学与技术
- 改进的测试用例错误检测效率度量方法(英文)
- 2014年
- 分析了在测试用例优先级问题中被广泛用于度量测试用例集错误检测效率的APFD度量标准及其变种,指出APFD系列度量标准存在物理意义模糊、对错误检测过程描述不清晰等缺陷.针对这些缺陷对已有度量标准进行改进,提出2种新的测试用例集错误检测效率度量方法 relative-APFD和relative-APFDC.新的度量方法在评价测试用例集效率时,综合考虑了错误检测速度和测试资源约束问题.实例分析表明,新方法可以更为清晰地描述测试用例集错误检测过程,并更为准确地反映不同测试用例集的错误检测效率.
- 王子元陈林汪鹏仉雪玲
- 关键词：软件测试测试用例优先级
- 去随意推荐的信任评估模型
- 2016年
- 针对网络中实体的随意推荐的问题,提出了一种去随意推荐的信任评估模型。以往的模型往往通过对随意推荐设置权重而采信,本质上来说,随意推荐与被推荐者行为无关,对它们进行权重采信缺乏依据,最终会导致对被推荐者的评价结果失真。针对随意推荐会影响正确评价其他实体的问题,首先通过交易历史计算实体的推荐信任度,然后根据系统对随意推荐者的评价呈离散型的特点,识别并过滤那些得不到聚集评价的推荐实体。设置了一定比例的随意推荐实体的实验,结果表明由于识别过滤了随意推荐者,所提方法与传统方法相比具有较高的交易成功率。
- 周国强刘洪舫王子元
- 关键词：信任信任评估
- 用户兴趣建模综述被引量：4
- 2015年
- 对兴趣模型研究现状与进展进行归纳与总结,提出代表性的兴趣模型,从模型思想、关键技术和优缺点等方面进行分析,探讨兴趣模型研究热点、难点、不足和有待解决的问题,为兴趣建模分析和数据挖掘等研究提供参考。
- 杨李婷陈翰雄
- 关键词：数据挖掘
- 基于用户影响力和个性的协同过滤推荐算法被引量：3
- 2016年
- 数据稀疏性影响协同过滤推荐结果的准确性,目前主要是采用预测方式进行数据密集化和对推荐数据本身加权途径提高推荐算法的精度,然而推荐双方关系互相认可程度直接影响推荐是否被接受。针对这一问题,提出了基于用户影响力的协同过滤推荐算法,该算法将推荐双方关系用影响力进行加权,采用复杂网络的用户介数特征值刻画用户的影响力,而介数特征值通过推荐双方共同使用服务的个数和次数计算。推荐者的意见权重由它对服务申请者的影响力以及他们间的偏好相似程度共同决定,最后服务申请者综合推荐者意见进行服务选择。在大规模真实数据集上,与其他3种相关方法进行了性能比较。实验结果验证了新算法显著提高了推荐的准确度。
- 周国强金礼仁张文聪
- 关键词：推荐系统协同过滤用户
