基于学习的个性化对等网络资源发现技术研究

来源 :湖南科技大学 | 被引量 : 0次 | 上传用户:hzm_jjc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对等网络作为一种新兴的网络计算模式,在工业界和学术界都受到了广泛的关注,并成为计算机领域研究的一个热点。与传统的C/S网络模式不同,对等模式不需要依靠中央服务器的支持,节点间可通过直接建立连接的方式自由地进行资源共享。由于避免了服务器端的瓶颈问题,对等网络在文件共享等领域得到了广泛的使用。随着对等网络应用的日益盛行,如何高效地进行资源搜索已成为对等网络中最为关键的问题。本文在分析非结构化对等网络的搜索机制的基础上,针对非结构化对等网络中路由的盲目性以及搜索效率低、冗余消息过多的问题,提出了一种改进的P2P网络资源发现模型,该模型通过各模块之间的相互合作来完成模型的资源发现过程。其中模型通过文档表示模块利用向量空间模型对节点所共享的文档资源进行预处理,以形成文档的特征。并通过路由模块记录查询与应答节点之间的关系,以便为后续相似查询进行有效的路由转发,避免不相关的节点收到查询。同时通过朋友管理模块选择若干响应率高的节点作为自己的邻居节点,以形成节点的兴趣组。通过建立节点的兴趣组不断拉近自己与应答率高的节点间的距离,使得查询能在较小的跳数内得到响应,以降低搜索的深度。最后本文通过仿真实验对该模型进行评估,实验结果表明,与泛洪式方法相比,本模型在搜索成功率,查询访问节点数,以及产生的消息数上有明显的改善。
其他文献
无线传感器网络集成了传感器、嵌入式计算、网络和无线通信等四大技术,是一种全新的信息获取、处理和传输技术。无线传感器网络具有组网快捷、灵活等特点,并可广泛用于紧急搜
Deep Web的流行使得集成deep Web中隐藏的海量信息成为数据集成领域的研究热点。而集成deep Web中隐藏的海量信息,首先要对deep Web的查询接口进行匹配。因此,作为deep Web数
随着分布式软件系统的规模越来越大,功能越来越复杂,传统的动态调控已经不能满足现代分布式软件系统的需求。传统动态调控主要针对传统集中式软件或小型分布式软件,其调控手