摘要:特种特备健康检测监测云平台的建设正在开启整个行业"服务化"的进程，建成之后或将在服务重用、服务沉淀上取得良好的效果。"服务化"带来优势的同时也带来一些挑战，因其需要进行远程服务调用并共享部分行业数据，服务调用过程中的数据安全性以及隐私性保护成为文章关注的焦点。文章提出基于联盟链技术建立特种设备健康检测体系生态，通过联盟链弱中心化的特征以解决服务调用过程中的数据安全及隐私性保护问题，进而一定程度上对服务安全性和隐私性提供保障。

摘要:随着IOT（Internet of Things）服务的规模不断扩大，IOT服务的分布式管理是必然趋势。基于时空相关属性快速发现一组满足要求的IOT服务是IOT服务管理与使用中要解决的首要问题。传统的根据语法或语义进行服务发现的方法通常面对的是海量、离散的服务集合，服务发现时间与服务规模关系密切，并且在多次迭代递进的服务发现请求中结果无法重用。针对上述问题，提出了一种分布式时空相关服务网络的构建方法，利用服务之间的时空聚合关系与时空连接关系在离散、独立的服务之间建立关联，从而通过构建时空相关服务网络对服务进行组织与管理，重点探讨分布式环境下时空相关服务网络的构建、演化方法，以高速公路紧急事件处置场景作为案例，讨论基于服务网络的服务快速发现。

摘要:云计算与大数据时代的到来促进了Web服务的发展。由于用户需求的复杂性，单个服务无法满足要求时，可将多个服务组合在一起提供解决方案。然而云中存在大量服务，查找合适的服务组合成为一个非确定性多项式（NP，non-deterministic polynomial）难问题。文章提出了一种利用图数据库解决组合问题的方法，通过构建基于有向二分图的服务组合图，对服务进行预组合并存储在Neo4j图数据库中，使用最少服务数组合查询和Dijkstra搜索算法来寻找服务数量最少或服务质量（QoS，quality of service）优化解。此外，能够根据服务的可用性对图数据库进行删除、添加、更新。实验结果表明，该方法能够在较短时间内在图数据库中寻找到满足用户需求的服务组合。

摘要:制造服务流程是一种基于业务流程的制造服务链，它有顺序、选择、循环、并行等4种基本结构，而循环能转化为顺序结构，因而选择结构和并行结构才是真正的分支结构。分支结构的各分支往往会有服务能力差异，这会导致：选择分支会因为概率分配不当将延误时间，而并行分支则会因此出现等待情况，这样，势必会影响制造服务流程整体的执行效率。为此，提出了QoS保证的一种时间改进的制造服务流程优化方法。构建了制造服务流程基本结构的属性计算方法，在分析了几种分支结构的时间与其他属性因子之间的影响关系后，基于QoS约束，构建了分支结构时间优化的分层分块线性规划模型，并设计了分层分块的线性优化算法。经实验，优化后的业务流程执行时间提高了5.4%，表明所建模型及其优化算法是有效且合理的，对云制造的应用具有积极意义。

摘要:随着互联网和全球定位技术的高速发展，基于位置的社交网络（location-based social network）不断涌现，鼓励用户通过签到的形式发布个人动态并实时分享地理位置。海量的签到数据为挖掘用户偏好提供了机会，有利于提供基于位置的服务，如兴趣点（point of interest）推荐。兴趣点推荐旨在通过分析用户历史出行记录来得到用户的位置偏好，从而在未来为用户推荐新的地点，同时也能帮助广告商精准地投放用户感兴趣的广告。地点类别往往能够精准地提炼出位置的上下文语义，而现有的兴趣点研究大多都直接去计算用户对地点的偏好，没有有效地结合类别信息。通过对社交网站Yelp的公开数据集进行分析，发现相比访问共同的地点，朋友之间更容易访问相同的类别。因此，考虑朋友间地点类别偏好关系比直接考虑用户间项目偏好的关系更为合适。文中提出一种结合地点类别和社交网络的兴趣点推荐算法CSRS，先从用户历史签到记录获取用户地点类别偏好，然后考虑朋友间的类别偏好差异性。在Yelp数据集上的实验结果表明，与其他算法相比，文中提出的算法在准确率和召回率指标上都取得了更好的结果。

摘要:网络嵌入学习是深度学习的一个热门分支，它将网络节点映射到一个拓展的低维向量空间。针对用户共用标签网络和社交网络，利用表征学习方法得到用户标签标注关系和社交关系的向量表征，并提出一种新的服务推荐方法。该方法利用用户的向量表征得到相似用户集，由最终得到的用户特征信息返回Top-k个相似用户，并根据相似用户的偏好情况向目标用户推荐合适的服务。为验证方法的可行性，在公开数据集Delicious和Last.FM上进行了实验，结果表明：相比4种基准方法，文中方法准确率可提升13%，召回率提升18.6%，F-measure值可提升13.1%；在学习用户表征向量时，用户之间共用标签关系与社交关系同样重要；推荐过程中，为目标用户返回的相似用户值在[25，30]区间更为适宜。

摘要:由于每个在线服务可以通过其自身的真实质量被客观比较，存在潜在的真相服务排序。为了使用户进行服务选择时有真实客观的在线服务信誉排序作为参考，服务信誉应当尽可能地接近真相服务排序。提出一种面向误差最小化的在线服务信誉度量方法。该方法将用户对服务的偏好排序视为对真实服务排序的带噪估计，利用Kendall tau距离指标来衡量服务排序与真相排序之间的误差，通过设定真相与用户对服务的偏好排序集合之间的平均误差上限找出可能的真相服务排序，寻找与可能的真相服务排序集合之间平均误差最小的服务排序作为服务信誉。由于所有的服务排序都有可能为真相排序，造成了该方法的计算困难，利用分支切割法对该方法进行优化求解。以真实数据集和模拟数据集为基础，通过实验验证了该方法在保证运行效率的同时得到与真相误差更小的信誉度量结果。

摘要:流数据的处理需求复杂多变，业务人员要进行相应的算法定制，不仅需要相关的编程知识，更要应对繁琐的处理流程和冗长的开发周期。为解决上述问题，文中设计并实现了基于流程建模的流数据处理及服务化系统，提供了对于多源流数据的实时接入，流数据服务化以及流数据处理服务化的能力。该系统将流数据处理过程封装为服务提供给用户，允许用户拖拽组合流数据处理和服务化模块、配置相关参数，定义流数据处理及服务化的过程，快速又自然地实现流数据处理及服务化的任务，将处理结果经由服务路由实时推送到其他应用系统，满足不同的业务需求。案例分析表明，与传统的流数据处理系统相比，本系统具有高效、灵活、可配置等特点，在实用性、可用性和伸缩性方面都更有优势。

摘要:超宽带技术由于较高的测距精度和穿透性能，对于位置服务有着重要的应用价值。在实际的高密度定位环境中，传统的定位算法受非视距误差和多径效应的影响，很难实时准确解算出实际位置坐标。虽然增加基站数量可以有效提高定位的精度，但是其成本也在不断提高。针对超宽带在高密度室内定位中实时性差、定位精度低的问题，提出了一种基于支持向量机的超宽带定位方法，提高了定位的精确性和鲁棒性；给出了基于到达时间差（TDOA，time difference of arrival）的支持向量机模型，重点在于将定位问题转化为分类问题的求解；通过TDOA值和坐标值来建立支持向量机分类模型，利用一对一分类模型实现了坐标值的解算，提高了坐标解算速度。仿真结果表明，在高密度实时定位中，相比于传统的Chan算法和Taylor算法，文中方法在定位精度近似的情况下，实时性要高于传统算法，满足实际定位中低功耗、快速高精度定位的要求。

摘要:数据到文本的生成是指从结构化数据生成连贯文本的一种自然语言处理方法。近年来，由于端到端训练的深度神经网络的应用，数据到文本生成的方法显示出了巨大潜力。该方法能够处理大量数据自动生成连贯性文本，常用于新闻写作、报告生成等场景。然而，已有研究中对于数据中具体数值、时间等数据信息的推理存在较大缺陷，无法充分利用数据间的结构信息给出合理的生成指引，并且生成过程容易出现语义与句法分离训练的问题。因此，文中提出一种结合Transformer模型与深度神经网络的数据到文本生成方法，并提出一个用于内容规划的Transformer Text Planning（TTP）算法，有效地解决上述问题。在Rotowire公开数据集上进行方法验证，实验结果表明，文中方法性能优于已有数据到文本生成模型，可直接应用于结构化数据到连贯性文本的生成任务中，具有一定的实际应用价值。

摘要:随着电动汽车数量不断增加，大量电动汽车的无序充电行为会导致电网过载和电池寿命损耗。虽然当前已有很多研究关注电动汽车的有序充电行为，但如何在大规模有序充电过程中实现最大化车主便捷性同时减少电池寿命损耗尚未被研究。研究关注充电便捷性和减少电池损坏的充电服务调度优化对充电站充电服务质量和用户满意度提升具有重要意义。笔者提出一个实时充电服务调度策略来协调大量电动汽车的充电行为，以实现最大化车主便捷性同时降低电池损耗。为减少充电过程中信息直接交换造成隐私泄露，同时降低算法计算复杂度，基于交替方向多乘子（ADMM，alternating direction method of multipliers）的分布式算法被提出。大量实验表明所提算法比已有算法有显著提升，能减少33.0%的电池寿命损耗和18.3%的电费支出。

摘要:在互联网技术高度发达的时代，网络上的学习资源呈现出指数型增长态势，面对各种学习对象、概念之间存在的多样化和无序性，如果能识别出之间的依赖关系，将有可能对计算机教育产生重要影响。针对该问题，提出一种面向维基百科的概念依赖关系识别方法，利用概念在维基百科中的特点，设计出一套识别概念依赖关系模型，在公共数据集上采用基于机器学习的分类算法进行测试。实验结果表明，该模型具有较高准确率和召回率，能够有效发现概念之间的依赖关系。

摘要:随着电能质量监测点不断扩大，产生海量具有时序特性的多维电能质量数据，当前的诸多数据查询方法不能适应电网电能质量监测数据的交互式多维聚合查询需求。研究提出时序数据多维聚合服务的实现方法，为内存中预聚合后的任务结果建立哈希存储结构，对实时数据建立位图索引存储结构，将历史数据的预聚合数据尽量存储于内存中，改进随机读写的低性能问题，提升查询效率，解决交互式查询问题。同时运用最优聚合任务算法选择出尽量多的预聚合任务数，提高交互式查询命中率。实验验证了该算法的可行性，与分组二维背包算法相比，在预聚合任务数量选择方面具有一定优势。