面向社會(huì)環(huán)境的情境聚合技術(shù)研究.pdf

1、隨著數(shù)據(jù)庫(kù)、互聯(lián)網(wǎng)、分布式計(jì)算、普適計(jì)算和社會(huì)化計(jì)算等技術(shù)的快速發(fā)展，社會(huì)感知計(jì)算技術(shù)的研究，受到了業(yè)界和國(guó)內(nèi)外研究學(xué)者的廣泛關(guān)注。與此同時(shí)，面向社會(huì)環(huán)境的感知應(yīng)用也被開(kāi)發(fā)出來(lái)，如社交關(guān)系推薦系統(tǒng)、個(gè)性化服務(wù)推薦系統(tǒng)、本地化預(yù)約服務(wù)系統(tǒng)、交通疏導(dǎo)GPS輔助系統(tǒng)和團(tuán)隊(duì)動(dòng)力學(xué)分析系統(tǒng)等。這些研究成果，不僅取得了較好的社會(huì)效益和經(jīng)濟(jì)效益，同時(shí)也促進(jìn)了各個(gè)學(xué)科的技術(shù)發(fā)展，大大增強(qiáng)了人類獲取社會(huì)信息的能力和途徑。
　　然而社會(huì)環(huán)境中人與事件

2、的發(fā)展，涉及多種情境因素的交互作用。如何在這些動(dòng)態(tài)、無(wú)規(guī)律，具有時(shí)間特性和空間特性數(shù)據(jù)中獲取相應(yīng)的情境信息，實(shí)現(xiàn)數(shù)據(jù)計(jì)算以人為中心，以服務(wù)社會(huì)為目標(biāo)，去理解和驗(yàn)證人類的社會(huì)活動(dòng)與社會(huì)行為，是當(dāng)前社會(huì)信息研究領(lǐng)域的焦點(diǎn)題。其中，面向社會(huì)環(huán)境的情境聚合技術(shù)研究，是對(duì)社會(huì)環(huán)境中的多種情境信息進(jìn)行獲取，是按照社會(huì)環(huán)境的發(fā)展過(guò)程，以某種機(jī)制對(duì)環(huán)境中的計(jì)算情境、用戶情境、社會(huì)情境和時(shí)間情境進(jìn)行聚合，獲取到高層次的情境聚合對(duì)象。因此，本課題的研究以面

3、向社會(huì)環(huán)境中的情境角度為出發(fā)點(diǎn)，在保證不同情境之間相互關(guān)聯(lián)的前提下，通過(guò)相應(yīng)的聚合技術(shù)，把多種情境信息根據(jù)某種機(jī)制統(tǒng)一起來(lái)，把分散的、原子的情境元素信息進(jìn)行組合，以組成高層情境對(duì)象，最終完成多種社會(huì)情境的有效聚合。
　　首先，針對(duì)計(jì)算情境和時(shí)間情境的聚合問(wèn)題，提出基于時(shí)序演化的計(jì)算情境元素，以及兩種聚合對(duì)象，并設(shè)計(jì)基于時(shí)序演化的計(jì)算情境聚合算法，用于情境聚合的求解工作。另外，通過(guò)計(jì)算情境元素把時(shí)序之間的聚合對(duì)象劃分成正相關(guān)和負(fù)相關(guān)

4、結(jié)果集，有效的反映出變化過(guò)程的波動(dòng)情況。實(shí)驗(yàn)結(jié)果表明，采用本文提出的基于時(shí)序演化的計(jì)算情境元素，比傳統(tǒng)的中介性指標(biāo)更能體現(xiàn)出時(shí)序社會(huì)化網(wǎng)絡(luò)結(jié)構(gòu)的連通性和附近信息資源的變遷情境，獲得較好的情境聚合效果。
　　其次，在針對(duì)多種類的情境元素計(jì)算演化情境的問(wèn)題上，對(duì)情境環(huán)境下的時(shí)序演化情境進(jìn)行分析，提出演化情境的構(gòu)成要素，并分析構(gòu)成要素之間的關(guān)系模式。在計(jì)算方法上，提出基于AOC自治計(jì)算技術(shù)來(lái)解決這一問(wèn)題，同時(shí)給出基于AOC自治時(shí)序演化情

5、境聚合框架，并針對(duì)情境環(huán)境設(shè)計(jì)A單元狀態(tài)空間、A單元運(yùn)行規(guī)則和移動(dòng)策略。其中在A單元運(yùn)行規(guī)則中，使用相遇共享規(guī)則，有效的改善計(jì)算單元之間的信息共享，并可以改變A單元當(dāng)前的運(yùn)行狀態(tài)，從而提高運(yùn)行效率。另外該框架可以根據(jù)環(huán)境選取情境元素，同時(shí)可以根據(jù)求解項(xiàng)設(shè)定趨勢(shì)項(xiàng)、周期項(xiàng)和隨機(jī)項(xiàng)的定義函數(shù)，以及計(jì)算單元空間狀態(tài)、行為規(guī)則和移動(dòng)策略等，表現(xiàn)出對(duì)求解環(huán)境具有較好的交互性和靈活性。并通過(guò)數(shù)據(jù)實(shí)驗(yàn)，對(duì)比分析不同情境元素對(duì)AOC輸出時(shí)間的影響，以及

6、A單元相遇規(guī)則對(duì)輸出時(shí)間的影響。在獲取的演化情境的過(guò)程中，分別對(duì)兩種不同的情境元素進(jìn)行演化求解，從運(yùn)算結(jié)果中可以明顯的看出情境元素變化的趨勢(shì)，并給出正向和負(fù)向的演化過(guò)程。
　　再次，針對(duì)2-mode環(huán)境中感知關(guān)系平衡性問(wèn)題進(jìn)行探討。在綜合分析社會(huì)情境中實(shí)體關(guān)系的習(xí)慣性和偏向性強(qiáng)度因素，以及隱含的計(jì)算情境和時(shí)間情境因素的情況下，提出關(guān)系平衡性閾值，以及采用平衡云集子團(tuán)和基于時(shí)序演化的平衡云集系數(shù)，用于群體和個(gè)體行為的分析。并設(shè)計(jì)CA

7、BS-2mode算法和CABC-2mode算法用于平衡云集性的計(jì)算，算法使用閾值有效轉(zhuǎn)化尋優(yōu)過(guò)程中的迭代問(wèn)題。其中采用CABS-2mode算法可以有效的對(duì)具有相同類型平衡關(guān)系的實(shí)體進(jìn)行聚合，形成平衡云集子團(tuán)。采用CABC-2mode算法可以獲得到個(gè)體在群體環(huán)境中的平衡云集系數(shù)。這一過(guò)程不僅為用戶提供當(dāng)前的環(huán)境感知數(shù)值，還為下一步的情境推理工作提供理論依據(jù)。實(shí)驗(yàn)表明，算法在劃分平衡云集子團(tuán)的基礎(chǔ)上，利用社會(huì)情境中傾向性程度與時(shí)間情境融合的

8、參數(shù)，獲取到環(huán)境中個(gè)體的關(guān)系平衡性感知數(shù)值，并分析出群體中子團(tuán)的平衡性強(qiáng)度波動(dòng)過(guò)程和個(gè)體的行為過(guò)程。
　　最后，針對(duì)多維情境聚合模型問(wèn)題，提出多維交疊結(jié)構(gòu)及其投影情境，同時(shí)給出形式化定義。在此次基礎(chǔ)上，充分考慮相似度、局域內(nèi)和局域外的連接因素，提出多維情境聚合模型，設(shè)計(jì)MWCMA算法進(jìn)行多維情境聚合運(yùn)算。并通過(guò)不同的評(píng)價(jià)標(biāo)準(zhǔn)驗(yàn)證算法的優(yōu)勢(shì)性，在聚合效果測(cè)試上，通過(guò)用戶情境數(shù)據(jù)和社會(huì)情境數(shù)據(jù)的聚合結(jié)果可以看出，該模型和算法能夠識(shí)別出