基于Single_Pass的网络话题在线聚类方法研究_朱恒民
基于均匀设计的聚类多目标粒子群优化算法
［ ｙｗｏｄ ］ｕ ｉ ｒ ｅｉｎ ｍｕｔ ｏｊｃｉｅｏ ｔ ｚｔ ｎ ｃ ｓｅ ｎ ； ａｔ ｌ Ｓ ｒ Ｏｐ ｍｉａ ｏ （Ｓ ａ ｏｉ ｍ；ｘｅ ａ ａｃｉｅ Ｋｅ ｒ ｓ ｎｆｍ ｄ ｓ ； ｌ－ｂｅｔ ｐｉ ａ ｏ ；ｌ ｔ ｇ Ｐ ｒｃｅ ｗａｍ ｔ ｚｔ ｎＰ Ｏ） ｌ ｒ ｏ ｇ ｉ ｖ ｍｉ ｉ ｕ ｒ ｉ ｉ ｉ ｉ ｇ ｔ ｅｔｒｌ ｒ ｈｖ ｈ ｎ
第３ ７卷 第 １ ４期
、０ ． ７ ，１３
・
计
算
机
工
程
２ １ 年 ７月 ０１
Ｊ ｌ ２ １ ｕ ｙ ０１
Ｎ Ｏ．４ １
Ｃｏ ｍｐｕ ｅ ｇ ｎｅ ｒｎｇ ｔｒＥｎ ｉ ｅ ｉ
人工 智 能及 识别 技术 ・
文章编号：１０＿ ４ （ １） ＿ ｌ 一Ｉ ｏｏ ３２２ １４＿ ５ ３ 文献标识码： ８０ ｌ ０ Ａ
中 圈分类号： Ｐ０・ Ｔ３１ ６
基 于均 匀设 计 的 聚 类 多 目标 粒 子 群优 化 算 法
刘衍民 ，牛 ， 一 奔３ ｐ赵庆祯
（． １ 遵义师范学院数学系 ，贵州 遵义 ５ ３ ０ ；２ ６ ０ ２ ．山东师范大学管理与经济学院 ，济南 ２ ０ １ ； ５ ０４ ３ 深圳 大学管理 学院，广东 深圳 ５ ８ ６ ） ． １０ ０
摘
要 ： 更有效 地求解 多 目 优化问题 ，提出一种基于均匀设计的聚类多 目标粒子群算法 Ｕ ＭＯ Ｓ 。采用基于均匀设计的交叉操作尽 为 标 Ｃ ＰＯ
可能地获ቤተ መጻሕፍቲ ባይዱ 目 空间中均 匀分布 的非劣解 ，帮助种群 跳出局部最优解 ，并通过一种新的聚类操作选择外部存档 中有代表性的非劣解 ，从而 标 控制外部存档规模 ，降低计算复杂度 。对基准函数的测试结果表明 ， Ｃ Ｐ Ｏ算法相 比同类算法在收敛性和分布性方面具有优势。 Ｕ ＭＯ Ｓ 关奠词 ：均匀设计 ；多 目 标优化 ；聚类 ；粒子群优化 算法 ；外部存档
基于倾斜分布的变流速数据流聚类算法
上进行 测 试 ，结果 表 明 ，与 Ｔ Ｄ Ｃ Ａ算 法相 比 ，该算 法在 聚类 过程 中可 以提 高 ４ ０ ％的访 问速度 ，应 用剪 枝策 略节 省至 少一 半 的内存 使 用量 ，同 时在变 流速 的数 据流 环境 下将 聚类 结果 的平均 纯度 保持在 ９ ０ ％以上 。 关 健词 ：数据 流 ；聚类 ；时态密 度 ；倾斜 分布 ；剪 枝 ；变 流速
Ｂａ ｓ ｅ ｄ ｏ ｎ ａ ｎ ｅ ｘ ｔ ｅ ｎｓ ｉ ｏ ｎ ｏｆ ｔ ｈｅ Ｒ— ｔ ｒ ｅ ｅ ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ａ ｓ ｔ ｈ ｅ ｏｒ ｇａ ｎｉ ｚ ａ ｔ ｉ ｏ ｎ ｏｆ ｇ ｒ ｉ ｄ ｃ ｅ ｌ ｌ ｉ ｎ ｄ ｅ ｘ ｓ ｔ ｒ ｕ ｃ ｔ ｕｒ ｅ ， ｉ ｔ ｉ ｎ ｔ ｒ ｏ ｄｕ ｃ ｅ ｓ ｐｒ ｕ ｎｉ ｎｇ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｏ ｎ ｔ ｈ ｅ ｂ ａ ｓ ｉ ｓ ｏ ｆ
基于模糊Petri网络的FPSO单点多管缆干涉风险评估
㊀㊀文章编号：１００５⁃９８６５（２０２２）０１⁃００１０⁃１１基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估余建星１，２，曾庆泽１，２，余㊀杨１，２，陈海成１，２，吴世博１，２，范海昭１，２（１．天津大学水利工程仿真与安全国家重点实验室，天津㊀３０００７２；２．天津大学天津市港口与海洋工程重点实验室，天津㊀３００３５０）摘㊀要：ＦＰＳＯ单点系泊系统水下管缆众多，受环境等因素影响，管缆容易发生拉伸㊁扭转㊁弯曲和碰撞，引发干涉现象，危及工程安全㊂针对ＦＰＳＯ单点多管缆干涉风险，提出了基于模糊Ｐｅｔｒｉ网络的风险评估方法㊂首先，辨识风险因素来构建风险评估指标体系，并转化为模糊Ｐｅｔｒｉ网模型；其次，采用层次分析法确定风险因素的常权重，并引入模糊置信结构来提高专家主观评价的准确性；然后，将变权理论与模糊推理算法相结合来迭代求解库所可信度和状态矩阵；最后，以南海某内转塔式ＦＰＳＯ为例进行了风险评估㊂结果表明：该ＦＰＳＯ的风险评估等级为中等，环境与设备因素是影响管缆干涉的主要因素㊂通过风险排序结果对综合评估值较高的风险指标提出了风险控制措施，可有效降低管缆干涉风险发生的概率与危害㊂关键词：ＦＰＳＯ单点系泊系统；管缆干涉；模糊Ｐｅｔｒｉ网；风险评估中图分类号：Ｐ７５１；ＴＥ５８㊀㊀㊀文献标志码：Ａ㊀㊀㊀ＤＯＩ：１０．１６４８３／ｊ．ｉｓｓｎ．１００５⁃９８６５．２０２２．０１．００２收稿日期：２０２１⁃０１⁃１３基金项目：国家重点研发计划资助项目（２０１８ＹＦＣ０３１０５０２）；国家自然科学基金面上项目（５１７７９１７３）作者简介：余建星（１９５８⁃），男，福建泉州人，博士，教授，主要从事海洋结构可靠性㊁风险评估方面的研究㊂Ｅ⁃ｍａｉｌ：ｙｊｘ２０００＠ｔｊｕ．ｅｄｕ．ｃｎ通信作者：余㊀杨（１９８８⁃），男，博士，副教授，主要从事海洋结构可靠性㊁水动力分析的研究工作㊂Ｅ⁃ｍａｉｌ：ｙａｎｇ．ｙｕ＠ｔｊｕ．ｅｄｕ．ｃｎＲｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅｏｆＦＰＳＯｓｉｎｇｌｅｐｏｉｎｔｍｏｏｒｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔＹＵＪｉａｎｘｉｎｇ１，２，ＺＥＮＧＱｉｎｇｚｅ１，２，ＹＵＹａｎｇ１，２，ＣＨＥＮＨａｉｃｈｅｎｇ１，２，ＷＵＳｈｉｂｏ１，２，ＦＡＮＨａｉｚｈａｏ１，２（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇＳｉｍｕｌａｔｉｏｎａｎｄＳａｆｅｔｙ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ；２．ＴｉａｎｊｉｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｏｒｔａｎｄＯｃｅａｎＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３００３５０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＦＰＳＯｓｉｎｇｌｅｐｏｉｎｔｍｏｏｒｉｎｇｓｙｓｔｅｍｈａｓｍａｎｙｒｉｓｅｒｓｕｎｄｅｒｗａｔｅｒ．Ａｆｆｅｃｔｅｄｂｙｔｈｅｆａｃｔｏｒｓｓｕｃｈａｓｅｎｖｉｒｏｎｍｅｎｔ，ｔｈｅｒｉｓｅｒｓａｒｅｐｒｏｎｅｔｏｓｔｒｅｔｃｈ，ｔｗｉｓｔ，ｂｅｎｄａｎｄｃｏｌｌｉｄｅ，ｗｈｉｃｈｗｉｌｌｃａｕｓｅｉｎｔｅｒｆｅｒｅｎｃｅａｎｄｅｎｄａｎｇｅｒｅｎｇｉｎｅｅｒｉｎｇｓａｆｅｔｙ．ＣｏｎｓｉｄｅｒｉｎｇｔｈｅｒｉｓｋｏｆｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅｏｆＦＰＳＯｓｉｎｇｌｅｐｏｉｎｔｍｏｏｒｉｎｇｓｙｓｔｅｍ，ｗｅｐｒｏｐｏｓｅｄａｒｉｓｋａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｂａｓｅｄｏｎｔｈｅｆｕｚｚｙＰｅｔｒｉｎｅｔ．Ｆｉｒｓｔｌｙ，ｔｈｅｒｉｓｋｅｖａｌｕａｔｉｏｎｉｎｄｅｘｓｙｓｔｅｍｗａｓｂｕｉｌｔｂｙｉｄｅｎｔｉｆｙｉｎｇｔｈｅｒｉｓｋｆａｃｔｏｒｓ，ａｎｄｗａｓｔｒａｎｓｆｏｒｍｅｄｉｎｔｏａｆｕｚｚｙＰｅｔｒｉｎｅｔｍｏｄｅｌ．Ｓｅｃｏｎｄｌｙ，ｔｈｅＡＨＰｗａｓｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｃｏｎｓｔａｎｔｗｅｉｇｈｔｏｆｒｉｓｋｆａｃｔｏｒｓ，ａｎｄｆｕｚｚｙｂｅｌｉｅｆｓｔｒｕｃｔｕｒｅｓｗｅｒｅｕｓｅｄｔｏｉｍｐｒｏｖｅｔｈｅａｃｃｕｒａｃｙｏｆｔｈｅｓｕｂｊｅｃｔｉｖｅｅｖａｌｕａｔｉｏｎｏｆｅｘｐｅｒｔｓ．Ｔｈｅｎ，ｔｈｅｖａｒｉａｂｌｅｗｅｉｇｈｔｔｈｅｏｒｙａｎｄｔｈｅｆｕｚｚｙｒｅａｓｏｎｉｎｇａｌｇｏｒｉｔｈｍｓｗｅｒｅｃｏｍｂｉｎｅｄｔｏｉｔｅｒａｔｉｖｅｌｙｃｏｍｐｕｔｅｔｈｅｃｒｅｄｉｂｉｌｉｔｙｏｆｐｌａｃｅａｎｄｔｈｅｓｔａｔｅｍａｔｒｉｘ．Ｆｉｎａｌｌｙ，ｔｈｅｒｉｓｋａｓｓｅｓｓｍｅｎｔｗａｓｃａｒｒｉｅｄｏｕｔｗｉｔｈａｎｉｎｔｅｒｎａｌｔｕｒｒｅｔＦＰＳＯｉｎｔｈｅＳｏｕｔｈＣｈｉｎａＳｅａ．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｉｓｋａｓｓｅｓｓｍｅｎｔｌｅｖｅｌｏｆｔｈｅＦＰＳＯｉｓｍｅｄｉｕｍ，ａｎｄｔｈｅｅｎｖｉｒｏｎｍｅｎｔｆａｃｔｏｒａｎｄｅｑｕｉｐｍｅｎｔｆａｃｔｏｒａｒｅｔｈｅｍａｉｎｆａｃｔｏｒｓｔｈａｔａｆｆｅｃｔｔｈｅｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ．Ｂａｓｅｄｏｎｔｈｅｒｉｓｋｒａｎｋｉｎｇｒｅｓｕｌｔｓ，ｔｈｅｒｉｓｋｃｏｎｔｒｏｌｍｅａｓｕｒｅｓａｒｅｐｒｏｐｏｓｅｄｆｏｒｔｈｅｒｉｓｋｉｎｄｅｘｅｓｗｉｔｈａｈｉｇｈｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｖａｌｕｅｔｏｅｆｆｅｃｔｉｖｅｌｙｒｅｄｕｃｅｔｈｅｐｒｏｂａｂｉｌｉｔｙａｎｄｈａｒｍｏｆｔｈｅｒｉｓｋｏｆｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ．Ｋｅｙｗｏｒｄｓ：ＦＰＳＯｓｉｎｇｌｅｐｏｉｎｔｍｏｏｒｉｎｇｓｙｓｔｅｍ；ｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ；ｆｕｚｚｙＰｅｔｒｉｎｅｔ；ｒｉｓｋａｓｓｅｓｓｍｅｎｔ在波㊁流和浮体运动等作用下，海洋管线的水下形态会发生变化，使管线受到不同程度的拉伸㊁扭转㊁第４０卷第１期２０２２年１月海洋工程ＴＨＥＯＣＥＡＮＥＮＧＩＮＥＥＲＩＮＧＶｏｌ．４０Ｎｏ．１Ｊａｎ．２０２２弯曲和挤压，并与周围管线相碰撞，引发干涉现象㊂干涉现象的发生容易使管线相互缠绕，周期性的碰撞也会造成管线的磨损㊁疲劳与断裂，危及工程安全㊂ＦＰＳＯ内转塔式单点系泊系统水下管缆众多，如系泊缆㊁立管㊁电缆等，在作业过程中，错综复杂的管汇受多种因素影响容易产生干涉风险，影响ＦＰＳＯ系泊能力，并对人员生命安全和设备财产安全造成危害㊂因此，对ＦＰＳＯ进行管缆干涉问题的安全性研究具有重要意义㊂在管缆干涉问题的研究上，ＤＮＶ⁃ＲＰ⁃Ｆ２０３规范［１］对相邻立管的间距作出了规定以保证不发生碰撞；ＡＰＩＲＰ２ＲＤ［２］指出，上游立管产生的尾流会使作用在下游立管的流速减小，导致相邻立管的间距变小并引发碰撞；裴晓梅等［３］研究了拖曳力系数㊁单位长度质量㊁外径等参数对非黏接柔性立管干涉的影响；Ｈｅ等［４］提出了一种基于碰撞允许原理的立管干涉概率评估方法；Ｂａｉ等［５］研究了脐带缆与立管间的干涉，发现水深㊁浪向和管长对干涉具有不同影响；何杨等［６］根据ＤＮＶ规范介绍了深水立管干涉的分析方法，总结了影响立管干涉的因素；康庄等［７］通过建立干涉分析非线性时域模型，研究了浪流方向对立管干涉的影响㊂上述学者对管缆干涉的研究多集中在数值模拟和力学分析上，还鲜有对管缆干涉风险进行定量评估与分析，而针对ＦＰＳＯ单点系泊系统多管缆干涉的风险评估更是空白，不仅缺乏对风险源的全面辨识，还缺乏系统的管缆干涉风险评估体系㊂鉴于ＦＰＳＯ单点多管缆干涉风险评估研究方面的不足，提出了一种基于模糊Ｐｅｔｒｉ网络（ＦｕｚｚｙＰｅｔｒｉＮｅｔ，简称ＦＰＮ）的定量风险评估方法，利用Ｐｅｔｒｉ网络的并行计算能力来处理各级风险因素之间的关系，以此建立了一套系统的ＦＰＳＯ单点多管缆干涉风险评估流程㊂首先通过识别ＦＰＳＯ单点多管缆干涉的风险因素建立了一个多层次的风险评估指标体系，并根据模糊Ｐｅｔｒｉ网理论转换为ＦＰＮ模型㊂考虑到传统模糊语言评价方法存在的不足，采用三种形式的模糊置信结构来表示专家的主观评价以提高准确性㊂将变权理论引入到模糊推理算法中，综合采用层次分析法和变权理论确定风险指标的权重值，令权重根据实际工程情况进行动态变化，最后通过模糊推理算法迭代求解库所可信度和状态矩阵，并计算各级指标的综合评估值㊂通过上述风险评估流程对南海某内转塔式ＦＰＳＯ的单点多管缆干涉风险进行了实例评估，得出了该ＦＰＳＯ的风险评估等级，由风险排序找出其中的薄弱环节并提出相应的控制与预防措施，以降低风险发生概率并提高安全性㊂１㊀风险评估指标体系建立辨识风险因素是风险评估的首要环节㊂因目前有关管缆干涉风险评估的研究较少，且缺乏相关事故案例可供参考，使风险辨识的难度加大㊂这里从管缆干涉的致灾机理出发，通过调研单点系泊系统的失效模式［８］与管缆干涉研究［３⁃７］的相关文献，并咨询领域专家的意见，在遵循同一层次的各风险指标相互独立的原则上，建立了如图１所示的多层次风险评估指标体系㊂其中，最上层（目标层）是一级指标；中间层（准则层）是５个二级指标；最低层（指标层）是３０个三级指标㊂指标的具体描述见表１㊂图１㊀风险评估指标体系Ｆｉｇ．１㊀Ｒｉｓｋｅｖａｌｕａｔｉｏｎｉｎｄｅｘｓｙｓｔｅｍ１１第１期余建星，等：基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估２１海㊀㊀洋㊀㊀工㊀㊀程第４０卷表１㊀管缆干涉风险指标Ｔａｂ．１㊀Ｒｉｓｋｉｎｄｅｘｏｆｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ库所风险指标风险指标描述Ｐ１内孤立波内孤立波在传播时使海水发生强剪切流动，冲击管缆并施加剪切载荷，使管缆产生大变形Ｐ２台风台风作用下，管缆产生大变形和大位移，并导致系泊系统失效Ｐ３地震地震会影响土壤承载力，并对水下生产设施和系泊缆造成破坏Ｐ４应用水深过大应用水深过大，使水下管缆受上部结构的约束减小，更易发生弯曲和位移Ｐ５大浪大浪对船体造成冲击，使管缆产生大位移Ｐ６水生物扰动海中水生物扰动管缆Ｐ７突发强风所在海域突发强风，使ＦＰＳＯ船体发生运动，引动水下管缆Ｐ８海流流速过大海流流速过大使管缆受到的拖曳力变大，并使管缆产生涡激振动现象Ｐ９系泊缆失效系泊缆因腐蚀㊁疲劳等原因失效，影响系泊系统的可靠性Ｐ１０走锚走锚导致船舶拖锚位移Ｐ１１配重块丢失配重块随系泊缆运动及受到冲击时可能出现丢失情况，影响系泊可靠性Ｐ１２连接卸扣损坏连接卸扣损坏导致锚链脱落Ｐ１３锁紧装置破坏浮筒锁紧装置发生破坏导致浮筒下沉Ｐ１４连接器损坏水下连接器损坏，影响水下管线的连接Ｐ１５系挂装置损坏系挂装置包括支撑块和支撑螺栓发生损坏会影响管缆与单点浮筒间的连接Ｐ１６管缆间距过小管缆间距过小会直接提高管缆间产生干涉的风险Ｐ１７管缆数量过多管缆悬挂数量众多，增大干涉风险发生的可能Ｐ１８管缆布置不当管缆布置不当，存在相互跨越㊁交叉的情况Ｐ１９管缆过长管缆长度设计过长Ｐ２０构型设计不当管缆水中构型设计不当Ｐ２１截面刚度不足截面刚度不足使管缆在波㊁流作用下容易产生大变形Ｐ２２穿梭油轮碰撞穿梭油轮在进行外输作业时与ＦＰＳＯ发生碰撞Ｐ２３海上坠物过往船只或ＦＰＳＯ上坠落物体冲击管缆Ｐ２４船舶抛锚船舶抛锚冲击管缆Ｐ２５海上施工海上施工影响管缆正常运行Ｐ２６渔业活动渔网等捕鱼设备冲击㊁缠绕管缆Ｐ２７水下设备碰撞大型水下设备航行时与管缆发生碰撞Ｐ２８维护检查不当维护检查措施不当，无法及时排除隐患Ｐ２９安全教育缺乏缺乏安全教育，人员安全意识薄弱Ｐ３０应急处理不当缺乏应急处理预案，无法在风险发生后正确处置㊁及时控制２㊀模糊Ｐｅｔｒｉ网络模型２．１㊀模糊Ｐｅｔｒｉ网络理论Ｐｅｔｒｉ网络是一种有向网状结构模型，具有并行计算能力和矩阵运算能力，可描述异步㊁同步㊁并行等逻辑关系，后结合模糊理论形成模糊Ｐｅｔｒｉ网络，可用一个九元组来表示［９］：ＦＰＮ＝（Ｐ，Ｔ，Ｄ，Ｉ，Ｏ，Ｕ，α，Ｒ，Ｍ）㊂其中，Ｐ＝｛Ｐ１，Ｐ２， ，Ｐｎ｝是库所集，指ＦＰＳＯ单点多管缆干涉风险因素集合，Ｐｉ（１ɤｉɤｎ）为第ｉ个风险因素；Ｔ＝｛ｔ１，ｔ２， ，ｔｍ｝是变迁集，表示风险因素发生过程的集合，ｔｊ（１ɤｊɤｍ）表示第ｊ个风险因素发生过程；Ｄ＝｛ｄ１，ｄ２， ，ｄｎ｝为命题集合，与Ｐｉ相对应，Ｒ：ＰңＤ表示库所到对应命题的映射；Ｉ＝｛δｉｊ｝为输入矩阵，δｉｊɪ［０，１］，当库所Ｐｉ是变迁ｔｊ的输入库所时，δｉｊ＝１，否则δｉｊ＝０；Ｏ＝｛γｉｊ｝为输出矩阵，γｉｊɪ［０，１］，当库所Ｐｉ是变迁ｔｊ的输出库所时，γｉｊ＝１，否则γｉｊ＝０；Ｕ（ｔｊ）＝｛μｉｊ｝为变迁置信度矩阵，μｉｊɪ［０，１］指对于输出库所Ｐｉ，变迁ｔｊ的置信度，表示风险发展可能；α（Ｐｉ）＝｛ｗｉ｝为库所可信度矩阵，ｗｉɪ［０，１］是库所Ｐｉ存在风险的可信度，表示风险发生的可能性；Ｍ是ｎˑｑ阶的状态矩阵，表征风险因素的后果大小㊂Ｍ（０）为初始状态矩阵，元素ｍ０ｉｊɪ［０，１］是库所Ｐｉ在风险等级ｊ中的隶属度，ｎˑｑ即为ｎ个库所在ｑ个风险等级中的状态，Ｍ（ｋ）为迭代ｋ次的状态矩阵㊂２．２㊀模糊Ｐｅｔｒｉ网络模型建立模糊产生式规则用于表示风险因素的逻辑关系，分 与 规则和 或 规则两种［１０］㊂采用 或 规则进行表示：当任意三级指标风险发生，认为系统存在风险并将引起上一级风险发生㊂ 或 规则表示如下：Ｉｆｄ１（ｗ１）ｏｒｄ２（ｗ２）ｏｒ ｏｒｄｎ（ｗｎ），ｔｈｅｎｄｃ（ｗｃ）（ＣＦ＝μ１，μ２， ，μｎ），ｗｃ＝ｍａｘ（ｗ１μ１，ｗ２μ２， ，ｗｎμｎ）式中：ｄ１，ｄ２， ，ｄｎ为前提，ｄｃ为结论，ｗ１，ｗ２， ，ｗｎ为前提可信度，ｗｃ为结论可信度，μɪ［０，１］为规则置信度㊂采用 或 规则将指标体系转换为ＦＰＮ模型，以圆形表示库所㊁矩形表示变迁，二者通过有向弧进行连接，如图２所示㊂其中，库所Ｐ１ Ｐ３０表示三级指标，Ｐ３１ Ｐ３５表示二级指标，Ｐ３６表示目标层㊂图２㊀风险评估指标体系的ＦＰＮ模型Ｆｉｇ．２㊀ＦＰＮｍｏｄｅｌｏｆｒｉｓｋｅｖａｌｕａｔｉｏｎｉｎｄｅｘｓｙｓｔｅｍ３㊀数据获取方法３．１㊀赋权方法赋权方法分为主观㊁客观和组合赋权三种㊂主观赋权法通过专家判断计算指标权重，适用于难以定量描述的指标，但权重受人为影响较大；客观赋权法根据指标信息进行计算，结果更客观，但具有一定机械性，过于依赖样本数据㊂组合赋权法［１０］综合采用主观和客观赋权，能够结合两者优点并弥补不足㊂３１第１期余建星，等：基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估４１海㊀㊀洋㊀㊀工㊀㊀程第４０卷因目前关于管缆干涉风险评估的研究较少，缺乏足够的数据信息，且有些风险指标为定性指标，故难以通过客观赋权法计算风险因素权重㊂基于该考虑，采用层次分析法和变权理论来综合确定风险因素权重，通过专家经验进行判断，避免了数据不足的影响，并能根据实际工程情况进行变权，使权重分配更加合理㊂邀请了１０位海油工程的专家，相较于其他研究中邀请３ ５位专家的做法，能够减小个别专家意见存在较大出入而带来的影响㊂令１０位专家组成专家组，获得各级风险指标下的判断矩阵，由层次分析法计算风险因素的常权重㊂层次分析法具体步骤在此不做赘述，专家信息见表２㊂表２㊀专家信息Ｔａｂ．２㊀Ｅｘｐｅｒｔｓｉｎｆｏｒｍａｔｉｏｎ序号教育程度工作年限／ａ职称研究领域１硕士１３高级工程师海底管道结构设计２学士２０高级工程师海底管道结构设计３硕士１３工程师海底管道与深水立管结构研究４硕士１５高级工程师海底管道与深水立管结构研究５学士１３工程师管道结构设计与管缆干涉技术研究６硕士１３高级工程师单点系泊系统设计与安装７硕士１０工程师单点系泊系统设计研究８硕士１４工程师ＦＰＳＯ连接与单点系泊系统安装９硕士１２工程师ＦＰＳＯ解脱连接与单点系泊系统维修改造１０硕士１４高级工程师ＦＰＳＯ解脱连接与单点系泊系统维修改造㊀㊀变权理论是相对于常权重而言的，分为惩罚型变权和激励型变权两类㊂在进行实际工程的风险评估时，对于某些评估值较高的指标，会对系统产生重大影响，需要进行重点关注㊂若采用常权重进行风险评估，将无法体现该指标的影响，导致评估结果与实际不符，降低评估的准确性㊂因此，采用变权理论对风险指标进行动态变权，令权重值随指标评估值的大小而变化，可使权重分配更科学合理，更符合实际情况㊂采用激励型状态变权向量［１１］来对常权重进行动态变权：{（１）Ｓ（ｘｉ）＝ｅａｘｉ（ｘｉȡａ）１（ｘｉ＜ａ）Ｖ（ｘｉ）＝Ｃ（ｘｉ）Ｓ（ｘｉ）ðｎｋ＝１［Ｃ（ｘｋ）Ｓ（ｘｋ）］（２）式中：Ｓ（ｘ）＝［Ｓ（ｘ１）㊀Ｓ（ｘ２）㊀ ㊀Ｓ（ｘｎ）］为激励型状态变权向量，满足Ｓ（ｘ）为单调递增的连续函数；ａɪ［０，１］，表示激励水平，在文中根据库所可信度的平均水平将ａ设为０．５；Ｃ（ｘ）＝［Ｃ１（ｘ１）㊀Ｃ２（ｘ２）㊀ ㊀Ｃｎ（ｘｎ）］为常权重向量；Ｖ（ｘ）＝［Ｖ１（ｘ１）㊀Ｖ２（ｘ２）㊀ ㊀Ｖｎ（ｘｎ）］为变权后的权重向量㊂３．２㊀模糊理论３．２．１㊀模糊置信结构将库所可信度和变迁置信度分为五个模糊评估等级：Ｈ＝｛Ｈ１１，Ｈ２２，Ｈ３３，Ｈ４４，Ｈ５５｝，表示 极低 低 中等 高 和 极高 ，在论域［０，１］内进行划分，模糊语言集见表３㊂但考虑到传统模糊语言评价无法跨越多个等级进行评估，如当专家认为指标的评估等级处于 低 到 中等 之间时，传统模糊语言评价无法进行表示㊂故提出三种形式的模糊置信结构［１２］来表示专家主观评价以提高评估准确性：１）独立式：置信结构形式为｛（Ｈｉｉ，１．０），ｉ＝１，２，３，４，５｝，表示指标模糊评估等级为Ｈｉｉ，隶属度为１．０㊂２）区间式：置信结构形式为｛（Ｈｉｊ，１．０），ｉ＝１，２，３，４，ｊ＝ｉ＋１， ，５｝，表示指标模糊评估等级在Ｈｉｉ到Ｈｊｊ之间，其对应的梯形模糊数为Ｈｉｉ与Ｈｊｊ所对应的梯形模糊数的综合㊂３）分布式：置信结构形式为｛（Ｈｉｉ，γｉｉ），ｉ＝１，２，３，４，５｝，γｉｉ表示模糊评估等级Ｈｉｉ的隶属度，ð５ｉ＝１γｉｉ＝１㊂表３㊀模糊语言集Ｔａｂ．３㊀Ｆｕｚｚｙｌａｎｇｕａｇｅｓｅｔ评估等级类㊀别梯形模糊数１极低（０．０，０．０，０．１，０．２）２低（０．１，０．２，０．３，０．４）３中等（０．３，０．４，０．６，０．７）４高（０．６，０．７，０．８，０．９）５极高（０．８，０．９，１．０，１．０）３．２．２㊀加权综合与去模糊化对于指标Ｐｎ，令专家Ｚｍ（ｍ＝１，２， ，Ｍ）以三种形式的模糊置信结构进行评价，得到专家Ｚｍ的评价为：Ｇｍｎ＝｛Ｈｉｊ，γｍｉｊ（Ｐｎ），ｉ㊁ｊ＝１，２，３，４，５，ｉɤｊ｝（３）式中：γｍｉｊ（Ｐｎ）为专家Ｚｍ的评估语言中等级Ｈｉｊ的隶属度㊂结合专家权重βｍ（ｍ＝１，２， ，Ｍ）将Ｍ位专家的评价结果进行加权综合，形成一个综合置信结构：Ｇｎ＝｛Ｈｉｊ，γｉｊ（Ｐｎ），ｉ㊁ｊ＝１，２，３，４，５，ｉɤｊ｝（４）式中：γｉｊ（Ｐｎ）为综合隶属度，是Ｇｍｎ（ｍ＝１，２， ，Ｍ）中对应于等级Ｈｉｊ的各隶属度的加权和，可由下式获得：γｉｊ（Ｐｎ）＝ðＭｍ＝１［βｍγｍｉｊ（Ｐｎ）］（５）之后将综合置信结构转换成梯形模糊数Ｒ＝（Ｒ１，Ｒ２，Ｒ３，Ｒ４），其标度值Ｒｋ（ｋ＝１，２，３，４）可由下式取得：Ｒｋ＝ð５ｉ＝１ð５ｊ＝ｉ［ｒｋ（Ｈｉｊ）ˑγｉｊ（Ｐｎ）］㊀㊀（ｋ＝１，２，３，４）（６）式中：ｒｋ（Ｈｉｊ）（ｋ＝１，２，３，４）为等级Ｈｉｊ对应的梯形模糊数的四个标度值㊂最后由重心法将Ｒ去模糊化，可得到指标Ｐｎ的评估值：Ｘ＝（ʏｆ（ｘ）ｘｄｘ）／（ʏｆ（ｘ）ｄｘ）（７）４㊀模糊推理算法利用模糊Ｐｅｔｒｉ网络的并行计算能力和矩阵运算能力，提出了库所可信度和状态矩阵推理算法，来迭代求解库所可信度与风险等级评估值，完成综合风险评估㊂４．１㊀库所可信度推理算法库所可信度推理算法［１３］基于模糊产生式 或 规则计算原理，具体推理步骤如下：第一步，定义两个推理算子：１）㊃：Ａ㊃Ｂ＝Ｃ，其中Ａ为ｎˑｐ维矩阵，Ｂ为ｐˑｍ维矩阵，Ｃ为ｎˑｍ维矩阵，ｃｉｊ＝ｍａｘ１ɤｋɤｐ（ａｉｋˑｂｋｊ）；２） ：Ａ Ｂ＝Ｃ，其中，ｃｉｊ＝ｍａｘ（ａｉｊ，ｂｉｊ），ｉ＝１，２， ，ｎ，ｊ＝１，２， ，ｍ㊂第二步，令迭代次数ｋ＝０，并确定初始库所可信度矩阵α（０）㊁变迁置信度矩阵Ｕ和权值矩阵Ｗ：其中，α（０）为ｎˑ１维矩阵，Ｕ为ｎˑｍ维矩阵，初始库所可信度和变迁置信度令１０位专家以三种形式的模糊置信结构对指标进行评价后由式（３） （７）计算获得，专家权重均为０．１；Ｗ为ｎˑｍ维矩阵，其元素Ｗｉｊ表示库所Ｐｉ对于变迁ｔｊ的权值，因采用模糊产生式 或 规则，若Ｐｉ是ｔｊ的输入库所，Ｗｉｊ为１，否则为０㊂第三步，计算等效模糊真值向量：５１第１期余建星，等：基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估Ｅ（ｋ＋１）＝ＷＴˑα（ｋ）（８）第四步，计算新的库所可信度矩阵：α（ｋ＋１）＝α（ｋ） ［Ｕ㊃Ｅ（ｋ＋１）］（９）若α（ｋ＋１）＝α（ｋ），则迭代结束，输出最终库所可信度矩阵；否则令ｋ＝ｋ＋１，重复第三步㊂４．２㊀状态矩阵推理算法在状态矩阵推理算法［１４］中引入变权理论，具体步骤如下：第一步，定义两个推理算子：１） ：Ｄ Ｂ＝Ｃ，其中Ｂ㊁Ｃ为ｎˑｍ维矩阵，Ｄ为１ˑｎ维矩阵，ｃｉｊ＝ｄｉˑｂｉｊ；２） ：Ａ Ｂ＝Ｃ，其中Ａ㊁Ｂ㊁Ｃ为ｎˑｍ维矩阵，ｃｉｊ＝ｍａｘ（ａｉｊ，ｂｉｊ），ｉ＝１，２， ，ｎ，ｊ＝１，２， ，ｍ㊂第二步，令ｋ＝０，并确定初始状态矩阵㊁输入矩阵㊁输出矩阵㊁常权重向量与风险等级向量㊂按照海洋石油工程风险的严重程度将ＦＰＳＯ单点多管缆干涉风险等级分为５个等级，令专家评估各风险因素发生的后果大小㊂定义风险等级向量Ｑ＝（０．２㊀０．４㊀０．６㊀０．８㊀１．０），（０㊀０．２］对应 极低 ，（０．２㊀０．４］对应 低 ，（０．４㊀０．６］对应 中等 ，（０．６㊀０．８］对应 高 ，（０．８㊀１．０）对应 极高 ㊂具体划分标准如表４所示㊂令专家评估库所Ｐ１ Ｐ３０的风险等级，结合专家权重得到风险等级评估向量［１５］，数据处理规则如下：若１０位专家在评估库所Ｐｉ的风险等级时，有５位专家评估为 中等 ，４位专家评估为 高 ，１位专家评估为 极高 ，则风险等级评估向量为（０㊀０㊀０．５㊀０．４㊀０．１）㊂综合所有风险等级评估向量可得初始状态矩阵㊂第三步，根据库所可信度对三级指标进行变权，激励水平ａ根据库所可信度的平均水平进行设定：Ｓｉ＝ｅａｗｉ（ｗｉȡａ）１（ｗｉ＜ａ）{（１０）Ｖｉ＝ＣｉＳｉðｎｋ＝１（ＣｋＳｋ）（１１）第四步，迭代计算变迁激发后的下一状态矩阵：Ｍ（ｋ＋１）＝Ｍ（ｋ） （Ｖ Ｏ）［ＩＴＭ（ｋ）］（１２）第五步，若Ｍ（ｋ＋１）＝Ｍ（ｋ），则迭代结束；否则令ｋ＝ｋ＋１，回到第四步重复计算，直至相等㊂第六步，计算库所的风险等级评估值：Ｄ＝Ｍ（ｋ）ＱＴ（１３）第七步，结合库所可信度计算综合评估值：ｆｉ＝ｗｉˑＤｉ（１４）表４㊀风险等级划分标准Ｔａｂ．４㊀Ｃｌａｓｓｉｆｉｃａｔｉｏｎｓｔａｎｄａｒｄｏｆｒｉｓｋｇｒａｄｅｓ风险等级类㊀别描㊀述１极低风险极小，可忽略２低风险较小，安全状况较好３中等有一定风险，安全状况一般４高风险较大，安全状况较差５极高风险极大，需高度重视进行规避５㊀实例分析现以南海某内转塔式ＦＰＳＯ单点系泊系统为例进行风险评估，对提出的方法进行验证说明㊂６１海㊀㊀洋㊀㊀工㊀㊀程第４０卷５．１㊀库所可信度推理首先，确定初始数据㊂初始库所可信度矩阵α（０）与变迁置信度矩阵Ｕ表示如下：α（０）＝［０．６８５，０．４３８，０．２９１，０．４９８，０．８２６，０．５４５，０．８５１，０．７９９，０．６３３，０．４８５，０．６２３，０．４７３，０．５４，０．５６８，０．４２５，０．４９，０．４２８，０．２８５，０．３８８，０．３０，０．３２，０．２２３，０．４５，０．３５，０．２１６，０．３４０，０．２９３，０．４０５，０．４１３，０．２８３，０，０，０，０，０，０］ＴＵ＝｛μｉｊ｝３６ˑ３５，ｉ＝１，２， ，３６，ｊ＝１，２， ，３５㊂其中，μ３１，１＝０．７６９，μ３１，２＝０．９２２，μ３１，３＝０．９２２，μ３１，４＝０．７８３，μ３１，５＝０．７８４，μ３１，６＝０．５６８，μ３１，７＝０．７３０，μ３１，８＝０．８６６，μ３２，９＝０．９０５，μ３２，１０＝０．７３５，μ３２，１１＝０．８１６，μ３２，１２＝０．８７８，μ３２，１３＝０．８８８，μ３２，１４＝０．９０５，μ３２，１５＝０．８９６，μ３３，１６＝０．８８８，μ３３，１７＝０．８７９，μ３３，１８＝０．７９６，μ３３，１９＝０．７６２，μ３３，２０＝０．７９７，μ３３，２１＝０．８０８，μ３４，２２＝０．９２２，μ３４，２３＝０．５５３，μ３４，２４＝０．６６５，μ３４，２５＝０．９２２，μ３４，２６＝０．４９８，μ３４，２７＝０．８５３，μ３５，２８＝０．９０５，μ３５，２９＝０．７７９，μ３５，３０＝０．８６３，μ３６，３１＝０．８８８，μ３６，３２＝０．８５０，μ３６，３３＝０．８８８，μ３６，３４＝０．８０１，μ３６，３５＝０．７７７；其余元素为０㊂α（０）表示Ｐ１ Ｐ３０的库所可信度，Ｐ３１ Ｐ３６的库所可信度通过后续迭代得到；Ｕ表示ｔ１ ｔ３５的变迁置信度㊂通过迭代计算，得α（２）＝α（３），迭代结束，则最终库所可信度矩阵如下：α（２）＝［０．６８５，０．４３８，０．２９１，０．４９８，０．８２６，０．５４５，０．８５１，０．７９９，０．６３３，０．４８５，０．６２３，０．４７３，０．５４，０．５６８，０．４２５，０．４９，０．４２８，０．２８５，０．３８８，０．３０，０．３２，０．２２３，０．４５，０．３５，０．２１６，０．３４，０．２９３，０．４０５，０．４１３，０．２８３，０．６９２，０．５７３，０．４３５，０．２５０，０．３６７，０．６１４］Ｔ可知，环境㊁设备㊁管缆设计㊁第三方破坏和管理五个因素存在风险的可信度分别为０．６９２㊁０．５７３㊁０．４３５㊁０．２５０㊁０．３６７，而目标层ＦＰＳＯ单点多管缆干涉风险的可信度为０．６１４，说明环境与设备因素发生风险的可能性较高，并将引起管缆干涉风险的发生㊂５．２㊀状态矩阵推理首先，确定初始数据㊂常权重向量Ｃ与初始状态矩阵Ｍ（０）表示如下：Ｃ＝［ｃ１㊀ｃ２㊀ｃ３㊀ｃ４㊀ｃ５㊀ｃ６］ｃ１＝［０．１６７０，０．２７９８，０．０６１５，０．０３６４，０．１０３９，０．０４４６，０．１０３９，０．２０２８］；ｃ２＝［０．１７１２，０．０６６６，０．０７４５，０．１３１４，０．２４３１，０．１６９９，０．１４３４］；ｃ３＝［０．３３２４，０．２１００，０．１０８４，０．０７６６，０．１８２５，０．０９０１］；ｃ４＝［０．３３８６，０．０８３５，０．１２２１，０．１７８６，０．０５１９，０．２２５４］；ｃ５＝［０．１６３４，０．２９７０，０．５３９６］；ｃ６＝［０．３０９７，０．２６５９，０．２２１４，０．０７０１，０．１３２９］㊂其中，ｃ１㊁ｃ２㊁ｃ３㊁ｃ４㊁ｃ５㊁ｃ６分别表示五个二级指标和一级指标下的指标常权重㊂Ｍ（０）＝［ｍ１０㊀ｍ２０㊀ｍ３０㊀ｍ４０㊀ｍ５０㊀ｍ６０］Ｔｍ１０＝００．１０．４０．４０．１００００．２０．８０００．１０．３０．６００．１０．２０．４０．３０００．４０．４０．２０．２０．６０．２００００．１０．４０．４０．１０００．２０．５０．３éëêêêêêêêêêêêùûúúúúúúúúúúú；ｍ２０＝０００．２０．５０．３００．３０．３０．４０００．２０．３０．４０．１０００．３０．５０．２０００．１０．６０．３０００．３０．４０．３０００．４０．４０．２éëêêêêêêêêêùûúúúúúúúúú；ｍ３０＝０００．１０．５０．４０００．３０．５０．２００．２０．４０．３０．１００．２０．５０．３００００．３０．４０．３００．１０．４０．３０．２éëêêêêêêêêùûúúúúúúúú；ｍ４０＝００００．５０．５０．１０．６０．２０．１０００．２０．５０．３０００．１０．４０．４０．１０．３０．４０．３０００００．３０．５０．２éëêêêêêêêêùûúúúúúúúú；ｍ５０＝００．１０．２０．５０．２００．１０．３０．３０．３０００．２０．５０．３éëêêêùûúúú；ｍ６０＝００００００００００００００００００００００００００００００éëêêêêêêêêùûúúúúúúúú㊂设激励水平ａ为０．５，经模糊推理算法迭代，得Ｍ（２）＝Ｍ（３），迭代结束，最终状态矩阵如下：７１第１期余建星，等：基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估Ｍ（２）＝［ｍ１２㊀ｍ２２㊀ｍ３２㊀ｍ４２㊀ｍ５２㊀ｍ６２］Ｔｍ１２＝ｍ１０；ｍ２２＝ｍ２０；ｍ３２＝ｍ３０；ｍ４２＝ｍ４０；ｍ５２＝ｍ５０；ｍ６２＝０．００９０．０６１０．２３７０．３５８０．３３６００．０３３０．２４００．４８２０．２４５００．０４６０．２６９０．４２７０．２５９０．０２４０．１１３０．２３２０．３９８０．２３２００．０４６０．２３００．４４１０．２８４０．００５０．０５２０．２４４０．４２００．２８０éëêêêêêêêêùûúúúúúúúúｍ１ｋ㊁ｍ２ｋ㊁ｍ３ｋ㊁ｍ４ｋ㊁ｍ５ｋ表示各二级指标下的三级指标的风险等级评估向量，ｍ６ｋ表示５个二级指标和一级指标的风险等级评估向量，ｋ＝０，１，２，３为迭代次数㊂可知，ＦＰＳＯ单点多管缆干涉风险的评估向量为（０．００５㊀０．０５２㊀０．２４４㊀０．４２０㊀０．２８０），由式（１３）得管缆干涉风险的风险等级评估值为０．７８４，结合库所可信度得综合评估值为０．４８１，对应的风险评估等级为 中等 ㊂因此需要对其中的风险薄弱环节提出相应措施来进行预防与控制，进一步降低管缆干涉风险㊂５．３ 风险控制措施由模糊推理算法可得各级指标的综合评估值㊂图３所示为五个二级指标的综合评估值，可知ＦＰＳＯ单点多管缆干涉风险受到多种因素的综合作用，其中环境和设备因素的综合评估值较高，分别为０．５４７和０．４５１，说明这二者是影响管缆干涉的主要风险因素，需要对其重点关注㊂图３㊀二级指标综合评估值Ｆｉｇ．３㊀Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｖａｌｕｅｏｆｓｅｃｏｎｄａｒｙｉｎｄｅｘ图４㊀三级指标综合评估值Ｆｉｇ．４㊀Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｖａｌｕｅｏｆｔｈｉｒｄ⁃ｌｅｖｅｌｉｎｄｅｘ图４为３０个三级指标的综合评估值，据此对三级指标进行风险排序，于表５列出了综合评估值大于０．４的１０个指标，对其提出风险控制措施如下：１）环境方面的主要风险因素包括海流流速过大㊁大浪㊁突发强风㊁内孤立波㊁台风，该结果符合南海海域实际状况㊂对此，可增设海上气象预报站，观测周边海域及时对气象情况进行监测㊁预警，并采取相应处置措８１海㊀㊀洋㊀㊀工㊀㊀程第４０卷施；若出现台风等极端恶劣天气，可考虑解脱单点系泊系统，驶离海域来规避风险㊂２）管缆设计方面的主要风险因素是管缆间距过小㊂在设计时，应综合考虑规范要求㊁设计条件与当地海况，设计合适的管缆间距以避免间距过小，并在关键区域安装间隔框以保持足够间距㊂３）设备方面的主要风险因素包括系泊缆失效㊁连接器损坏㊁锁紧装置破坏㊁配重块丢失㊂对此，应对这些设备进行定期检查与维护，并及时更换失效与损坏的设备㊂此外，系泊缆失效主要由腐蚀㊁疲劳和磨损引起，应设定合适的腐蚀余量，提高系泊缆的抗腐蚀性能，做好防腐措施；减少系泊缆的初始缺陷，避免出现局部应力集中，延长疲劳寿命；定期清理链环中的异物，张紧锚链并重点关注锚链触地段易磨损区域，以防止磨损㊂对于配重块丢失问题，可直接焊接配重块或采用配重链替代配重块㊂表５㊀风险指标排序结果Ｔａｂ．５㊀Ｒａｎｋｉｎｇｒｅｓｕｌｔｓｏｆｒｉｓｋｉｎｄｅｘ５．４㊀对比分析鉴于文献［１０］和［１４］采用组合赋权法来确定风险因素的权重，将变权理论的赋权方法应用于文献［１０］和［１４］的案例中，分别与层次分析法和组合赋权法得到的结果进行对比，根据案例中的库所可信度平均水平，在变权向量中取激励水平ａ为０．８㊂因权重值不会影响三级指标的排序，仅对目标的综合评估值产生影响，采用各方法得到的目标综合评估值如表６所示㊂由表可知，通过变权理论得到的目标综合评估值相较于层次分析法更接近于组合赋权法得到的结果，说明在缺乏数据难以采用客观赋权法的情况下，通过指标的实际情况进行动态变权能够在一定程度上使结果更加客观准确，也证明了本文所提出方法的准确性㊂表６㊀对比结果Ｔａｂ．６㊀Ｃｏｍｐａｒｉｓｏｎｒｅｓｕｌｔ案例层次分析法变权理论组合赋权法文献［１０］４．６４８４．５５１４．３６０文献［１４］３．９４８３．９６５４．３９０６㊀结㊀语针对ＦＰＳＯ单点系泊系统的多管缆干涉风险，提出了一种基于模糊Ｐｅｔｒｉ网络的风险评估方法㊂综合考虑环境因素㊁设备因素㊁管缆设计因素㊁第三方破坏因素和管理因素５个方面来识别ＦＰＳＯ单点多管缆干涉的风险因素，建立了具有３０个三级指标和５个二级指标的多层次风险评估指标体系，并转换为ＦＰＮ模型，通过模糊推理算法对南海某内转塔式ＦＰＳＯ进行了单点多管缆干涉风险评估，得到的主要结论如下：１）采用三种形式的模糊置信结构表示专家的评估语言，克服了传统模糊语言评价的不足，使专家的模糊语言表示更加灵活准确，能够减小专家主观判断所产生的偏差㊂２）考虑到海洋环境与实际工程的复杂与多变，综合采用层次分析法和变权理论来确定风险因素的权重，在实例风险评估时可根据风险因素的库所可信度来对常权重进行动态变权，提高危险指标的权重值，在后续的模糊推理中突出其负面影响，使指标赋权更符合实际工程情况，克服固定权重的局限性，并通过对比９１第１期余建星，等：基于模糊Ｐｅｔｒｉ网络的ＦＰＳＯ单点多管缆干涉风险评估０２海㊀㊀洋㊀㊀工㊀㊀程第４０卷分析，证明了该方法的可行性与准确性㊂３）通过实例分析，由模糊推理算法得到该ＦＰＳＯ的单点多管缆干涉风险综合评估值为０．４８１，对应风险评估等级为 中等 ，存在一定风险，需要采取适当措施㊂在二级指标中，环境与设备因素是影响管缆干涉的主要因素，其综合评估值分别为０．５４７和０．４５１，该结果符合ＦＰＳＯ的实际情况，验证了方法的可行性㊂在三级指标中，通过风险排序得到综合评估值大于０．４的指标共有１０个，对其提出了相应的风险控制措施，以降低管缆干涉风险的发生概率与严重程度㊂参考文献：［１］㊀ＤＮＶ⁃ＲＰ⁃Ｆ２０３，Ｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ［Ｓ］．ＤｅｔＮｏｒｓｔｅＶｅｒｉｔａｓ，２００９．［２］㊀ＡＰＩＲＰ２ＲＤ，Ｄｅｓｉｇｎｏｆｒｉｓｅｒｓｆｏｒｆｌｏａｔｉｎｇｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍｓ（ＦＰＳｓ）ａｎｄｔｅｎｓｉｏｎ⁃ｌｅｇｐｌａｔｆｏｒｍｓ（ＴＬＰｓ）［Ｓ］．ＡｍｅｒｉｃａｎＰｅｔｒｏｌｅｕｍＩｎｓｔｉｔｕｔｅ，２００６．［３］㊀裴晓梅，曹静，张恩勇，等．缓波型非粘接柔性立管的干涉敏感性［Ｊ］．船舶工程，２０２１，４３（２）：２０⁃２４．（ＰＥＩＸｉａｏｍｅｉ，ＣＡＯＪｉｎｇ，ＺＨＡＮＧＥｎｙｏｎｇ，ｅｔａｌ．Ｉｎｔｅｒｆｅｒｅｎｃｅｓｅｎｓｉｔｉｖｉｔｙｏｆｕｎｂｏｕｎｄｅｄｆｌｅｘｉｂｌｅｒｉｓｅｒｗｉｔｈｌａｚｙｗａｖｅｔｙｐｅ［Ｊ］．ＳｈｉｐＥｎｇｉｎｅｅｒｉｎｇ，２０２１，４３（２）：２０⁃２４．（ｉｎＣｈｉｎｅｓｅ））［４］㊀ＨＥＪＷ，ＬＯＷＹＭ．Ａｃｏｌｌｉｓｉｏｎ⁃ａｌｌｏｗｅｄａｐｐｒｏａｃｈｆｏｒｐｒｏｂａｂｉｌｉｓｔｉｃａｓｓｅｓｓｍｅｎｔｏｆｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅ［Ｊ］．ＯｃｅａｎＥｎｇｉｎｅｅｒｉｎｇ，２０１４，７６：２１⁃３１．［５］㊀ＢＡＩＹｏｎｇ，ＺＨＡＮＧＤａｐｅｎｇ，ＺＨＵＫｅｑｉａｎｇ，ｅｔａｌ．Ｄｙｎａｍｉｃａｎａｌｙｓｉｓｏｆｕｍｂｉｌｉｃａｌｃａｂｌｅｕｎｄｅｒｉｎｔｅｒｆｅｒｅｎｃｅｗｉｔｈｒｉｓｅｒ［Ｊ］．ＳｈｉｐｓａｎｄＯｆｆｓｈｏｒｅＳｔｒｕｃｔｕｒｅｓ，２０１８：１⁃１３．［６］㊀何杨，孙国民，赵天奉．深水立管干涉分析研究［Ｊ］．中国海洋平台，２０１４，２９（４）：４６⁃５０．（ＨＥＹａｎｇ，ＳＵＮＧｕｏｍｉｎ，ＺＨＡＯＴｉａｎｆｅｎｇ．Ｓｔｕｄｙｏｎｄｅｅｐｗａｔｅｒｒｉｓｅｒｉｎｔｅｒｆｅｒｅｎｃｅａｎａｌｙｓｉｓ［Ｊ］．ＣｈｉｎａＯｆｆｓｈｏｒｅＰｌａｔｆｏｒｍ，２０１４，２９（４）：４６⁃５０．（ｉｎＣｈｉｎｅｓｅ））［７］㊀康庄，张立，刘禹维，等．顶部张紧式立管干涉分析［Ｊ］．船舶工程，２０１５，３７（５）：９０⁃９３．（ＫＡＮＧＺｈｕａｎｇ，ＺＨＡＮＧＬｉ，ＬＩＵＹｕｗｅｉ，ｅｔａｌ．Ｉｎｔｅｒｆｅｒｅｎｃｅａｎａｌｙｓｉｓｏｆｔｏｐｔｅｎｓｉｏｎｅｄｒｉｓｅｒｓ［Ｊ］．ＳｈｉｐＥｎｇｉｎｅｅｒｉｎｇ，２０１５，３７（５）：９０⁃９３．（ｉｎＣｈｉｎｅｓｅ））［８］㊀贺辙，孙丽萍，康济川，等．ＦＰＳＯ单点系泊系统失效数据库的设计与实现［Ｊ］．船海工程，２０１５，４４（６）：１２９⁃１３３．（ＨＥＺｈｅ，ＳＵＮＬｉｐｉｎｇ，ＫＡＮＧＪｉｃｈｕａｎ，ｅｔａｌ．ＤｅｓｉｇｎａｎｄｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｆａｉｌｕｒｅｄａｔａｂａｓｅｏｆｓｉｎｇｌｅｐｏｉｎｔｍｏｏｒｉｎｇｓｙｓｔｅｍｆｏｒＦＰＳＯ［Ｊ］．Ｓｈｉｐ＆ＯｃｅａｎＥｎｇｉｎｅｅｒｉｎｇ，２０１５，４４（６）：１２９⁃１３３．（ｉｎＣｈｉｎｅｓｅ））［９］㊀高翔，祝跃飞，刘胜利，等．基于模糊Ｐｅｔｒｉ网的网络风险评估模型［Ｊ］．通信学报，２０１３，３４（Ｓ１）：１２６⁃１３２．（ＧＡＯＸｉａｎｇ，ＺＨＵＹｕｅｆｅｉ，ＬＩＵＳｈｅｎｇｌｉ，ｅｔａｌ．ＲｉｓｋａｓｓｅｓｓｍｅｎｔｍｏｄｅｌｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｎＣｏｍｍｕｎｉｃａｔｉｏｎｓ，２０１３，３４（Ｓ１）：１２６⁃１３２．（ｉｎＣｈｉｎｅｓｅ））［１０］ＧＵＯＹａｎｂａｏ，ＭＥＮＧＸｉａｏｌｉ，ＷＡＮＧＤｅｇｕｏ，ｅｔａｌ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅｒｉｓｋｅｖａｌｕａｔｉｏｎｏｆｌｏｎｇ⁃ｄｉｓｔａｎｃｅｏｉｌａｎｄｇａｓｔｒａｎｓｐｏｒｔａｔｉｏｎｐｉｐｅｌｉｎｅｓｕｓｉｎｇａｆｕｚｚｙＰｅｔｒｉｎｅｔｍｏｄｅｌ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｔｕｒａｌＧａｓＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０１６，３３：１８⁃２９．［１１］李德清，李洪兴．状态变权向量的性质与构造［Ｊ］．北京师范大学学报（自然科学版），２００２，３８（４）：４５５⁃４６１．（ＬＩＤｅｑｉｎｇ，ＬＩＨｏｎｇｘｉｎｇ．ＴｈｅＰｒｏｐｅｒｔｉｅｓａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｏｆｓｔａｔｅｖａｒｉａｂｌｅｗｅｉｇｈｔｖｅｃｔｏｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｅｉｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，ＮａｔｕｒａｌＳｃｉｅｎｃｅ，２００２，３８（４）：４５５⁃４６１．（ｉｎＣｈｉｎｅｓｅ））［１２］ＬＩＵＨＣ，ＬＩＵＬ，ＬＩＮＱＬ，ｅｔａｌ．ＫｎｏｗｌｅｄｇｅａｃｑｕｉｓｉｔｉｏｎａｎｄｒｅｐｒｅｓｅｎｔａｔｉｏｎｕｓｉｎｇｆｕｚｚｙｅｖｉｄｅｎｔｉａｌｒｅａｓｏｎｉｎｇａｎｄｄｙｎａｍｉｃａｄａｐｔｉｖｅｆｕｚｚｙＰｅｔｒｉｎｅｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＣｙｂｅｒｎｅｔｉｃｓ，２０１３，４３（３）：１０５９⁃１０７２．［１３］ＺＨＯＵＪｉａｎｆｅｎｇ，ＲＥＮＩＥＲＳＧ，ＺＨＡＮＧＬａｏｂｉｎｇ．ＡｗｅｉｇｈｔｅｄｆｕｚｚｙＰｅｔｒｉ⁃ｎｅｔｂａｓｅｄａｐｐｒｏａｃｈｆｏｒｓｅｃｕｒｉｔｙｒｉｓｋａｓｓｅｓｓｍｅｎｔｉｎｔｈｅｃｈｅｍｉｃａｌｉｎｄｕｓｔｒｙ［Ｊ］．ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ，２０１７，１７４：１３６⁃１４５．［１４］ＣＨＡＮＧＹｕａｎｊｉａｎｇ，ＷＵＸｉａｎｇｆｅｉ，ＣＨＥＮＧｕｏｍｉｎｇ，ｅｔａｌ．ＣｏｍｐｒｅｈｅｎｓｉｖｅｒｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｄｅｅｐｗａｔｅｒｄｒｉｌｌｉｎｇｒｉｓｅｒｕｓｉｎｇｆｕｚｚｙＰｅｔｒｉｎｅｔｍｏｄｅｌ［Ｊ］．ＰｒｏｃｅｓｓＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ，２０１８，１１７：４８３⁃４９７．［１５］吴鹏，夏海波，吴建军，等．基于模糊Ｐｅｔｒｉ网的易流态化货物海上运输风险评估［Ｊ］．上海海事大学学报，２０１９，４０（３）：６３⁃６８．（ＷＵＰｅｎｇ，ＸＩＡＨａｉｂｏ，ＷＵＪｉａｎｊｕｎ，ｅｔａｌ．ＲｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｓｈｉｐｐｉｎｇｌｉｑｕｅｆｉａｂｌｅｓｏｌｉｄｂｕｌｋｃａｒｇｏｅｓｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＳｈａｎｇｈａｉＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙ，２０１９，４０（３）：６３⁃６８．（ｉｎＣｈｉｎｅｓｅ））。
基于模糊聚类算法的气溶胶单粒子飞行时间质谱在线数据分析系统
基于模糊聚类算法的气溶胶单粒子飞行时间质谱在线数据分析系统郭晓勇;方黎;蒋兴浩;顾学军;赵文武;朱元;郑海洋;张为俊【期刊名称】《过程工程学报》【年(卷),期】2006()z2【摘要】介绍了一个在气溶胶分析中大量单粒子质谱数据的处理方案.实现了对气溶胶飞行时间质谱仪采集的单极性激光解吸附电离质谱的在线实时评估.在自动完成最近一次单粒子质谱采集和质谱峰分析之后,质谱信息的统计和评估通过一个模糊聚类法则(Fuzzy C-means,FCM)结合事先的手工分类或是粒子分类数据库实现了对单粒子的分类的立即归属,同时就粒子种类、粒径分布和时间进程的化学成分的变化进行更深入的研究.运用该系统成功地对邻苯二甲酸二正辛酯(Dioctylphthalate,DOP),氯化钙(CaCl2)产生的气溶胶单粒子进行了在线分析,得到了大量单粒子质谱和粒径的信息数据.【总页数】5页(P138-142)【关键词】气溶胶单粒子;飞行时间激光质谱仪;模糊聚类法则;数据库技术【作者】郭晓勇;方黎;蒋兴浩;顾学军;赵文武;朱元;郑海洋;张为俊【作者单位】中国科学院安徽光学精密机械研究所环境光谱学实验室;上海交通大学信息安全工程学院【正文语种】中文【中图分类】TN249【相关文献】1.单颗粒气溶胶实时在线监测飞行时间质谱仪的研制 [J], 张芳;王淑芳;郭长娟;粘慧青;赵栋;黄正旭;高伟;董俊国;周振2.气溶胶飞行时间质谱仪单颗粒质谱偏移问题及其纠正算法 [J], 王新宁;陈宏;杨帆;杨新3.实时在线单颗粒气溶胶飞行时间质谱仪的研制 [J], 黄正旭;高伟;董俊国;李磊;粘慧青;傅忠;周振4.用自组织特征映射神经网络对飞行时间质谱采集的大气气溶胶单粒子进行分类[J], 郭晓勇;稳国柱;黄德双;方黎;张为俊5.用气溶胶飞行时间质谱仪测量气溶胶粒子折射率 [J], 荣华;顾学军;温作赢;朱宇鹏;唐小锋;赵卫雄;张为俊因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于数据流的软子空间聚类算法
朱 林１ ， ２雷 景 生 ，毕 忠 勤 ，杨 杰
（ 上海 电力学院 计算机 科学与技术 学院， 上海 ２ ０ ０ ０ ９ ０ ） ２ ０ ０ ２ ４ ０ ）
（ 上海 交通大学 图像 处理与模式识 别研究所， 上海
通 讯 作 者 ：朱 林 ， Ｅ — ｍａ ｉ ｌ ： ｃ ｓ ｌ ｉ ｎ ｚ ｈ ｕ ＠ｇ ｍａ ｉ ｌ ． ｔ ｏ ｍ， ｈ ｔ ｔ ｐ ： ／ ／ ｗｗｗ． ｓ ｈ ｉ ｅ ｐ ． ｅ ｄ ｕ ． ｏ ｎ ／
Ｓｏ ｆ ｔ Ｓ ｕｂｓ ｐａｃ ｅ Ｃｌ ｕｓ ｔ ｅ ｒ ｉ ｎｇ Ａｌ ｇ ｏｒ ｉ ｔ ｈｍ ｆ ｏｒ Ｓ ｔ ｒ ｅ ａ ｍｉ ｎｇ Ｄａ ｔ ａ
Ｚ Ｈ Ｕ Ｌ ｉ ｎ ， － ，Ｌ Ｅ Ｉ Ｊ ｉ ｎ ｇ — Ｓ ｈ ｅ ｎ ｇ ，Ｂ Ｉ Ｚ ｈ ｏ ｎ ｇ ． Ｑｉ ｎ ，Ｙ Ａ ＮＧ Ｊ ｉ ｅ
Ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ａ ｕ ｔ ｈ ｏ ｒ ： Ｚ Ｈ Ｕ Ｌ ｉ ｎ ， Ｅ — ｍａ ｉ ｌ ： ｃ ｓ ｌ ｉ ｎ ｚ ｈ ｕ ＠ｇ ｍａ ｉ ｌ ． ｃ ｏ ｍ。 ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗｗ． ｓ ｈ ｉ ｅ ｐ ． ｅ ｄ ｕ ． ｃ Ｉ １ ／
Ｅ — ｍ ａ ｉ ｌ ： ｊ Ｏ Ｓ ＠ｉ ｓ ｃ ａ ｓ ． ａ ｃ ． ｃ ａ ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗｗ． ｊ ｏ ｓ ． ｏ ｒ ｇ ． ｃ ｎ
Ｔ ｅ ｌ ／ Ｆａ ｘ ： ＋ ８ ６ ． １ ０ — ６ ２ ５ ６ ２５ ６ ３
一
种 基于数据 流的软子 空间聚 类算法
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｅ ｌ ｅ ｃ ｔ ｒ ｉ ｃ Ｐ ｏ ｗｅ ｒ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ ２ ０ ０ ０ ９ ０ ， Ｃ ｈ ｉ ｎ ａ ） （ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ｏ ｆ ｌ ｍａ ｇ ｅ Ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｉ ｎ ｇ ａ ｎ ｄ Ｐ ａ ｔ ｔ ｅ ｒ ｎ Ｒ ｅ ｃ ｏ ｇ ｎ ｉ ｔ ｉ ｏ ｎ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｈ ａ ｎ ｇ ｈ ａ ｉ ２ ０ ０ ２ ４ ０ ， Ｃ ｈ ｉ ｎ ａ ）
基于多数据源的论文数据爬虫技术的实现及应用
收稿日期：２０１９ １１ １９；修回日期：２０１９ １２ ２７ 基金项目：国家自然科学基金资助项目（６１７７２０８１）；科技创新服务能力建设—科研基地建设—北京实验室—国家经济安全预警工程北京实验室项目（ＰＸＭ２０１８＿０１４２２４＿００００１０）；国家重点研发计划课题（２０１８ＹＦＢ１４０２９０１）作者简介：侯晋升（１９９４ ），男，山西太原人，硕士研究生，主要研究方向为中文信息处理；张仰森（１９６２ ），男（通信作者），山西运城人，教授，博导，博士（后），主要研究方向为中文信息处理、人工智能（ｚｈａｎｇｙａｎｇｓｅｎ＠１６３．ｃｏｍ）；黄改娟（１９６４ ），女，山西运城人，高级实验师，主要研究方向为智能信息处理；段瑞雪（１９８４ ），女，河北石家庄人，讲师，博士，主要研究方向为自然语言处理、意图理解、问答系统．基于多数据源的论文数据爬虫技术的实现及应用侯晋升１，张仰森１，２ ，黄改娟１，段瑞雪１，２（１．北京信息科技大学智能信息处理研究所，北京１００１０１；２．国家经济安全预警工程北京实验室，北京１０００４４）摘 要：在使用单个数据源进行论文数据采集的过程中，存在着数据全面性不足、数据采集速度因网站访问频率限制而受限等问题。
针对这些问题，提出了一个基于多数据源的论文数据爬虫技术。
首先，以知网、万方数据、维普网、超星期刊四大中文文献服务网站为数据源，针对检索关键词完成列表页数据的爬取与解析；然后通过任务调度策略，去除各数据源之间重复的数据，同时进行任务的均衡；最后采用多线程对各数据源进行论文详情信息的抓取、解析与入库，并构建网页进行检索与展示。
实验表明，在单个网页爬取与解析速度相同的情况下，该技术能够更加全面、高效地完成论文信息采集任务，证实了该技术的有效性。
关键词：网络爬虫；多源数据源；多线程；信息处理；数据展示中图分类号：ＴＰ３９１．１ 文献标志码：Ａ 文章编号：１００１ ３６９５（２０２１）０２ ０３７ ０５１７ ０５ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１ ３６９５．２０１９．１１．０６７１ＩｍｐｌｅｍｅｎｔａｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｐａｐｅｒｄａｔａｃｒａｗｌｅｒｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎｍｕｌｔｉｐｌｅｄａｔａｓｏｕｒｃｅｓＨｏｕＪｉｎｓｈｅｎｇ１，ＺｈａｎｇＹａｎｇｓｅｎ１，２ ，ＨｕａｎｇＧａｉｊｕａｎ１，ＤｕａｎＲｕｉｘｕｅ１，２（１．ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＩｎｆｏｒｍａｔｉｏｎ，ＢｅｉｊｉｎｇＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＴｅｃｈｎｏｌｏｇｙＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１００１０１，Ｃｈｉｎａ；２．ＮａｔｉｏｎａｌＥｃｏｎｏｍｉｃＳｅｃｕｒｉｔｙＥａｒｌｙＷａｒｎｉｎｇＥｎｇｉｎｅｅｒｉｎｇＢｅｉｊｉｎｇＬａｂｏｒａｔｏｒｙ，Ｂｅｉｊｉｎｇ１０００４４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅａｒｅｍａｎｙｐｒｏｂｌｅｍｓｉｎｔｈｅｐｒｏｃｅｓｓｏｆｃｏｌｌｅｃｔｉｎｇｐａｐｅｒｄａｔａｕｓｉｎｇｓｉｎｇｌｅｄａｔａｓｏｕｒｃｅ，ｓｕｃｈａｓｉｎｓｕｆｆｉｃｉｅｎｔｄａｔａｃｏｍｐｒｅｈｅｎｓｉｖｅｎｅｓｓａｎｄｌｉｍｉｔｅｄｄａｔａｃｏｌｌｅｃｔｉｏｎｓｐｅｅｄｄｕｅｔｏｗｅｂｓｉｔｅａｃｃｅｓｓｆｒｅｑｕｅｎｃｙｌｉｍｉｔａｔｉｏｎ．Ａｉｍｉｎｇａｔｔｈｅｓｅｐｒｏｂｌｅｍｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｐａｐｅｒｄａｔａｃｒａｗｌｉｎｇｔｅｃｈｎｏｌｏｇｙｆｏｒｍｕｌｔｉ ｄａｔａｓｏｕｒｃｅｓ．Ｆｉｒｓｔｌｙ，ｉｔｕｓｅｄｔｈｅｆｏｕｒＣｈｉｎｅｓｅｄｏｃｕｍｅｎｔｓｅｒｖｉｃｅｗｅｂ ｓｉｔｅｓ ＨｏｗＮｅｔ，ＷａｎｆａｎｇＤａｔａ，Ｗｅｉｐｕ，ａｎｄＣｈａｏｘｉｎｇａｓｄａｔａｓｏｕｒｃｅｓ，ｃｏｍｐｌｅｔｅｄｔｈｅｔａｓｋｏｆｃｒａｗｌｉｎｇａｎｄｐａｒｓｉｎｇｌｉｓｔｐａｇｅｄａｔａｆｏｒｔｈｅｓｅａｒｃｈｋｅｙｗｏｒｄｓ．Ｔｈｅｎｉｔｕｓｅｄｔｈｅｔａｓｋｓｃｈｅｄｕｌｉｎｇｓｔｒａｔｅｇｙｔｏｒｅｍｏｖｅｒｅｐｅａｔｅｄｄａｔａａｎｄｂａｌａｎｃｅｔｈｅｔａｓｋｓ．Ｆｉｎａｌｌｙ，ｉｔｕｓｅｄｍｕｌｔｉ ｔｈｒｅａｄｓｆｏｒｅａｃｈｄａｔａｓｏｕｒｃｅｔｏｃｒａｗｌ，ｐａｒｓｅａｎｄｓｔｏｒｅｔｈｅｄｅｔａｉｌｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｐａｐｅｒｓ，ａｎｄｂｕｉｌｔａｗｅｂｓｉｔｅｆｏｒｓｅａｒｃｈａｎｄｄｉｓｐｌａｙ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｕｎｄｅｒｔｈｅｓａｍｅｃｒａｗｌｉｎｇａｎｄｐａｒｓｉｎｇｓｐｅｅｄ，ｔｈｉｓｔｅｃｈｎｏｌｏｇｙｃａｎｃｏｍｐｌｅｔｅｔｈｅｐａｐｅｒｉｎｆｏｒｍａｔｉｏｎｃｏｌｌｅｃｔｉｏｎｔａｓｋｍｏｒｅｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙａｎｄｅｆｆｉｃｉｅｎｔｌｙ，ｗｈｉｃｈｐｒｏｖｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｉｓｔｅｃｈｎｏｌｏｇｙ．Ｋｅｙｗｏｒｄｓ：Ｗｅｂｃｒａｗｌｅｒ；ｍｕｌｔｉｐｌｅｄａｔａｓｏｕｒｃｅ；ｍｕｌｔｉｔｈｒｅａｄｉｎｇ；ｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ；ｄａｔａｄｅｍｏｎｓｔｒａｔｉｏｎ０ 引言大数据技术从兴起之初到日益成熟，在各行各业都发挥出巨大的作用；借着大数据的东风而再一次焕发出生命力的人工智能领域近些年更是取得了一个又一个的重大突破，在科研与应用方面创造出了巨大的价值，人们逐渐意识到数据已是当下最重要的资源。
基于聚类和用户点击的在线多样化排序算法_马千里
华南理工大学学报(自然科学版)第39卷第12期Journal of South China University of TechnologyVol．39No．122011年12月(Natural Science Edition )December 2011文章编号:1000-565X (2011)12-0070-05收稿日期:2011-06-17*基金项目:广东省教育部产学研结合项目(2011B090400032);教育部高等学校博士学科点专项科研基金资助项目(20110172120027);广东省自然科学基金资助项目(9451064101003233);广东省电子商务市场应用技术重点实验室开放基金资助项目(2011GDECOF01);华南理工大学中央高校基本科研业务费专项资金资助项目(2009ZM0125，2009ZM0189，2009ZM0255)作者简介:马千里(1980-)，男，博士，讲师，主要从事机器学习、数据挖掘等的研究．E-mail :qianlima@scut．edu．cn 基于聚类和用户点击的在线多样化排序算法*马千里林古立(华南理工大学计算机科学与工程学院，广东广州510006)摘要:在互联网信息检索中，多样化排序方法力求在排序结果列表靠前的位置为用户提供多样的结果文档．文中提出一种基于聚类和用户点击的在线多样化排序算法CRBA ，通过结合文档的相似性以及用户的点击反馈，在与用户的不断交互中为用户提供多样化的排序结果．该算法将在线和离线的思想进行融合，既可以利用主题聚类的优点，根据主题对候选文档集合进行简单的划分，大大加快了算法收敛速度，又能发挥在线排序算法的优点，利用用户点击反馈，获得对用户意图更为准确和完整的估计．实验结果表明，与其它在线排序算法相比，CRBA 算法收敛速度快，且具有适应现实搜索环境中文档数量大的特点．关键词:信息检索;多样化;聚类;在线排序;排序算法中图分类号:TP391．3doi :10．3969/j．issn．1000-565X．2011．12．012互联网信息检索系统的一个核心问题是如何对检索得到的文档根据用户提交的查询进行排序以满足用户的需求［1］．因此，排序算法的研究一直是信息检索领域的一个重要研究方向．现有的大多数互联网信息检索系统，无论是采用基于文档内容的相关度计算［2］，还是基于链接分析［3］的排序方法，抑或是近几年兴起的排序学习方法［4］，它们在对结果文档进行排序时通常都是根据概率排序原则［5］按照估计出来的文档与查询的相关度从大到小进行排序，以期望获得最好的检索性能．然而，随着信息检索研究的不断深入，越来越多的研究结果［6-8］表明，现有的基于概率排序原则的排序方法无法满足用户的多样化需求．信息检索排序中的多样化需求主要源于两方面［9］:一是用户查询的不确定性，例如查询词有多义性，存在多种解释，搜索引擎无法确定用户的需求;二是用户查询所涉及的信息面可能较广，包含多个方面的内容，单个文档无法满足用户的需求．例如，查询词“Java ”，既可以表示一种编程语言、也可以表示印尼的爪哇岛，这就是查询意图的不确定性;而即使查询词是“Java 编程”，那也包含了很多方面的内容，例如与Java 编程相关的书、源代码或者软件等．在这些情况下，信息检索系统在对检索结果进行排序时，必须挖掘用户查询所蕴含的各种潜在意图，在结果列表靠前的位置尽可能地提供满足用户各种需求的检索结果．现有的多样化排序方法［10-12］大多采用启发式的方法，把多样化排序问题看作是文档的查询相关度与文档间的相似性的线性组合优化问题进行求解．这类相对静态的方法是从系统的角度对用户意图进行挖掘，无法真正把握用户的查询意图．Radlin-ski 等［13］提出了一种基于在线学习的多样化排序算法RBA ，通过与用户进行交互，从用户的点击中捕捉用户的查询意图，从而调整结果文档的排序，提高用户的满意度．但RBA 算法需要将待排序的所有文档逐个进行选择，当结果文档数量较大时，RBA 算法的收敛速度很慢，早期难以满意用户的多样化需求．针对这个问题，文中在RBA算法的基础上，利用文档之间的相似性，提出了一个基于聚类和用户点击的在线多样化排序算法CRBA(Cluster-Based Ranked Bandit Algorithm)．该算法首先对候选网页文档进行主题聚类，接着选择类别中的文档形成排序列表，然后根据用户的反馈进行在线学习，动态调整类别的排列顺序以及类别内文档的选择，以更好地满足用户的多样化需求．1CRBA算法描述CRBA算法的目标是解决这样的问题:给定一个查询及其候选文档集合D={d1，d2，…，d n}，算法通过不断的学习得到一个包含k个文档的多样化排序列表，以满足各种不同的用户需求．假设存在一个用户群体，其中每一个用户u i都觉得D中的一个文档子集A i是与其查询意图相关的，而剩下的其它文档则是不相关的．直观来看，抱有不同意图的用户所对应的相关文档子集是不同的，而抱有类似意图的用户所对应的相关文档子集则应该是类似的．在时刻t，CRBA算法将提供给用户u t一个排好序的k个文档列表B t={b1(t)，b2(t)，…，b k(t)}．假设用户将会从头至尾按顺序浏览这k个文档，在浏览过程中，用户如果发现相关的文档，就会进行点击，然后停止浏览行为．这里假设用户点击相关文档的概率为1，即只要是相关文档就会进行点击．CRBA算法的目标是最大化从时刻1开始的整个过程的用户点击率，较高的点击率表示较多的用户点击了CRBA 算法提供的文档列表，从文档列表中找到了相关的文档，也就是说，CRBA算法满足了较多用户的需求．CRBA算法建立在多臂赌博机(MAB)［14］算法的基础上．MAB是一类决策优化问题:一个拥有K 个臂的投币机器，赌博者在某一时刻从这K个臂中选择一个臂进行拉动来获得回报，这个回报可能是正值、零或者负值，一次拉动获得一个回报．在某一时刻，赌博者只能操作一个臂，目的是使赌博者的回报总和最大．将该问题对应到多样化排序中，可以把候选文档看成臂，用户的点击作为回报．RBA算法正是基于这一点，通过构建多个MAB实例实现多样化排序．与RBA算法不同的是，笔者提出的CRBA 算法采用了两层MAB实例结构，一层用于选择文档类别，另一层用于选择类别内的文档．这样做的好处是可以先利用文档聚类将待排序文档进行一个简单的划分，在此基础上利用用户点击捕捉不同类别文档满足用户的需求程度，相比RBA算法，CRBA算法可以大大减少不必要的用户交互，从而提高早期的用户满意度．CRBA算法包含4个输入参数:查询词q、候选文档集合D、用户浏览范围k(即前k个文档)和时刻s．CRBA算法的输出为到时刻s为止的用户点击率r，即有多大比例的用户对排序结果进行了点击．CRBA算法中的h是指MAB实例的一个臂，p是指该MAB实例获得的回报，MAB实例会根据回报调整各个臂的权重，以更新下一次选择各个臂的概率．CRBA算法的具体描述如下．输入参数:q，D，k，s输出参数:r对D进行主题聚类得到m类，记为C1，C2，…，C m 初始化MAB1(m)，MAB2(m)，…，MAB k(m);对于每一个类别C j(j!［1，m］)，初始化对应的MABc j(Dc j)for t=1to s dofor i=1to k do∥选择前k个文档供用户浏览c'i(t)=select-arm(MABi)∥选择类别if c'i(t)!{c1(t)，c2(t)，…，ci－1(t)}ci(t)=任意类别"{c1(t)，c2(t)，…，ci－1(t)}elseci(t)=c'i(t)end ifb'i(t)=select-arm(MABc i(t))∥选择类别内的文档if b'i(t)!{b1(t)，b2(t)，…，bi－1(t)}bi(t)=任意文档"{b1(t)，b2(t)，…，bi－1(t)} elsebi(t)=b'i(t)end ifend for展示{b1(t)，b2(t)，…，b k(t)}给用户，记录用户点击for i=1to k doif用户点击了bi(t)＆＆ci(t)==c'i(t)＆＆bi(t)==b'i(t)update(MABi，h=c'i(t)，p=1)update(MABc'i(t)，h=b'i(t)对应的臂，p=1) breakend ifend forend forCRBA算法主要分为两个部分:17第12期马千里等:基于聚类和用户点击的在线多样化排序算法(1)初始化．对于给定查询词q，算法先对其候选文档集合D进行聚类，获得聚类结果C1，C2，…，Cm ，每个类别包含的文档集合分别为Dc1，Dc2，…，Dc m．接着，算法初始化多个MAB实例，包括k个用来选择类别的含有m个臂的MAB实例(用MAB i表示)，和m个用来选择类别中的文档的MAB实例(用MABc j表示，这m个MAB实例的臂的数量等于对应类别的文档数)．每个MAB i都维护着每个类别的一个值，用于选择类别;而每个MAB cj也维护着该类别下面每个文档的一个值，用于选择文档．(2)交互排序．算法从时刻t=1开始，在每个时刻，都有一位用户提交查询词q，算法则会选择一个包含k个文档的排序列表给用户．然后用户浏览排序列表，根据文档相关性决定是否进行点击，算法会根据用户的点击对MAB实例进行更新操作，这样算法就完成了与用户的一次交互过程．此过程不断重复直至时刻s．在整个交互排序的过程中，CRBA算法对文档的排序分两个阶段进行，每个阶段对应一层的MAB 实例．首先是选择文档的类别，每个排序位置i对应一个选择出的实例MAB i．选择类别时，从MAB i中根据臂的概率随机选择一个臂c'i(t)，如果该臂对应的文档类别尚未在位置i之前被选中过，则选择该类别作为排序位置i对应的类别c i(t)，否则随机选择一个未被选过的类别对应排序位置i．然后是类别内文档的选择，从排序位置i对应的类别c i(t)所对应的MAB实例MAB ci(t)中随机选择一个臂b'i(t)，如果该臂对应的文档尚未在位置i之前被选中过，则选择该文档作为排序位置i上的文档b i(t)，否则随机选择一个未被选过的文档放在排序位置i上．这个过程持续到选好k个文档为止．而当CRBA算法把k个文档呈现给用户之后，用户按顺序浏览k个文档直到他看到相关的文档并进行点击，至此整个查询过程完成;如果没有看到任何相关文档，用户将不进行点击，查询过程结束．接着，CRBA算法会根据用户点击对MAB实例的参数进行更新．假设用户点击了排序位置为i的文档b i (t)，如果该排序位置的类别是由MABi选择的，即c i (t)==c'i(t)，且该文档是由用MABc i(t)选定的文档，即b i(t)==b'i(t)，那么该文档对应的MAB ci(t)中的臂获得回报1，MAB i中的臂c i(t)获得回报1，其它臂获得回报0．根据所获得的回报，函数update更新各个MAB实例中臂的权重，以便进行下一次排序．在CRBA算法中，MAB算法是关键所在，它必须在保持用户点击率的同时，尝试选择其它类别或者文档供用户选择，以了解用户对更多类别或文档的喜好，据此调整类别和文档的排序，以得到更高的点击率．此外，由于采用了多个MAB实例，排序位置i上的文档的回报会受到该位置之前的文档的影响，故其回报不服从一定的概率分布，因此，采用文献［15］提出的Exp3算法作为MAB算法实例．2实验与分析2．1模拟数据分析模拟数据集由用户模型和文档构建，用户模型采用CRP［16］进行生成，把用户和子主题(用户潜在意图)对应起来，即哪些用户与给定主题的哪些子主题相关．与文献［13］一样，实验时选择生成20个用户，设置CRP的参数θ为3，这样生成的数据集的平均子主题数为6．5，每个子主题上的用户数呈幂级递减．对于每一个主题，当用户和子主题的对应关系生成后，再生成一定数量的文档，并随机把文档按比例分配到各个子主题中．文档的分配与子主题所包含的用户数相关，用户数越多，文档就越多．最后，设置每个用户与他所相关的子主题下的所有文档都相关，而与其它文档则不相关．模拟数据集总共包含100个主题．排序算法的结果通过用户点击率进行评价，即从时刻1开始到时刻t，有多大比例的用户点击了排序列表．在模拟数据的实验中，用户查询次数设置为300000次．一般来说，现实中查询次数在50000以上的就算常用查询词了，设置300000次是为了考察算法的性能变化趋势．实验时，在每一个时刻(每一次查询)，随机抽取用户对排序结果进行查看和点击，并记录用户点击率，最后记录算法排序结果在100个主题上的平均用户点击率．在第1个实验中，与文献［13］一样，设置生成的给定主题对应的候选文档数为50．在这个实验中，CRBA算法所采用的聚类是最优聚类，即所有聚类结果完全与子主题分配一致，其目的是想通过实验验证CRBA算法在聚类效果最优情况下的表现．实验结果如图1所示．从图1中可以看到，CRBA和RBA算法的平均用户点击率都远远高于下界1－1()e OPT(OPT表示最优排序结果所取得的点击率)，而且两个算法的性能都随着用户查询次数的增加而逐渐提高．但CRBA算法的结果很快就逐渐地逼近最优排序的结果了，而RBA算法的收敛速度27华南理工大学学报(自然科学版)第39卷明显比基于最优聚类的CRBA 算法要慢得多，在时刻300000的平均用户点击率还远没有达到CRBA 算法在时刻50000的平均用户点击率．由此可知，在获得最优聚类结果的条件下，CRBA 算法可以迅速地逼近最优排序的结果，相比RBA 算法具有明显的优势．图1算法RBA 和CRBA 在文档数量为50的虚拟数据集上的平均用户点击率Fig．1Average user click rates of algorithms RBA and CRBA on a simulated dataset with 50documents第2个实验考察数据集文档数对两种算法的影响．为此，实验中构建了4个文档数不同的数据集．4个数据集采用相同的主题和用户模型，但文档数分别是20、30、50和100．也就是说，4个数据集中的主题及其子主题，还有子主题与用户的相关关系都是一样的，不同的只是候选文档的数量和分配到各个子主题的数量．实验中CRBA 算法依旧采用最优的聚类结果．实验结果如图2所示，CRBA 算法在4个数据集上的表现几乎完全一致，说明在类别没有变化的情况下，类别内部文档数量的大小对图2算法RBA 和CRBA 在文档数量分别为20、30、50和100的虚拟数据集上的平均用户点击率Fig．2Average user click rates of algorithms RBA and CRBA on simulated datasets with 20，30，50and 100docu-mentsCRBA 算法没有影响．而RBA 算法则明显受到文档数量的影响，当文档数逐渐增大时，RBA 算法的收敛速度也逐渐变慢．从这一点看，CRBA 算法比RBA 算法更具有实用价值．因为在互联网搜索的现实情况中，候选文档集的数量往往很大，类别个数往往比文档数小得多，此时，基于主题聚类的CRBA 算法就能够减少不必要的用户交互次数，快速地获得让用户满意的排序结果．2．2公开数据集实验分析为进一步考察CRBA 算法在实际应用中的有效性，在一个公开的数据集AMBIENT (AMBIgous EN-Tries )上进行实验，并采用现有的聚类算法对文档进行聚类．AMBIENT 数据集(http ://credo．fub．it /ambient )是一个用于子主题检索评价的公开数据集．它总共包含44个主题，每个主题包含一个子主题集合和100个排好序的文档．主题和子主题是从Wikipedia (http ://en．wikipedia．org /wiki /Wikipedia :Links _to _%28disambiguation%29_pages )上获取的，而结果文档是以主题名作为查询词从Yahoo !搜索引擎获取的，并且根据Wikipedia 上列出的每个主题对应的子主题信息，人工进行子主题相关性的标记．每个文档由搜索结果的URL 、标题和页面文摘组成．更多的关于该数据集的信息可以参考文献［17］．在用户模型方面，仍然采用20个用户，且采用基于文档占比的用户模型，即与子主题相关的用户数跟该子主题所包含的文档数相关，文档数多的用户就多．实验中采用k -means 聚类算法作为CRBA 算法中的聚类算法，聚类目标个数设置为10．为了验证CRBA 算法的有效性，除了与RBA 算法进行比较之外，还加上了经典的多样化排序算法MMR ［10］，文档的查询相关度用BM25进行计算．算法的性能依然采用平均用户点击率进行评估，是在数据集所有44个主题上的用户点击率的平均值．实验结果如图3所示．由图3可见:MMR 算法的平均用户点击率随着用户查询次数的增多，基本呈现稳定的状态，主要是由于其排序结果是不变的;而两种在线排序算法RBA 和CRBA 的性能都随着用户查询次数的增多而提高．这说明，随着跟用户的不断交互，在线算法可以逐渐获得对用户意图更为准确的估计，从而提高了用户的满意度．而CRBA 算法的收敛速度明显比RBA 算法要快，因此可以大大缩短与用户的交互次数，从而在早期也能较好地满足用户的需求．37第12期马千里等:基于聚类和用户点击的在线多样化排序算法图33种算法在AMBIENT数据集上的平均用户点击率Fig．3Average user click rates of three algorithms on AM-BIENT dataset3结语文中提出了一种基于聚类和用户点击的在线多样化排序算法CRBA，它既可以利用主题聚类的优点，根据主题对候选文档集合进行简单的划分，从而大大加快收敛算法的收敛速度，又能发挥在线排序算法的优点，利用用户点击反馈，获得对用户意图更为准确和完整的估计，为用户提供多样化的排序结果．实验结果表明，CRBA算法比其它在线排序算法收敛更快，且更能适应现实搜索环境中文档数量大的特点．参考文献:［1］Baeza-Yates R，Ribeiro-Neto B．现代信息检索［M］．王知津，贾福新，郑红军，等，译．北京:机械工业出版社，2005．［2］马晖男，吴江宁，潘东华．一种修正的向量空间模型在信息检索中的应用［J］．哈尔滨工业大学学报，2008，40(4):666-669．Ma Hui-nan，Wu Jiang-ning，Pan Dong-hua．Application ofa modified vector space model in textual information re-trieval systems［J］．Journal of Harbin Institute of Tech-nology，2008，40(4):666-669．［3］Page L，Brin S，Motwani R，et al．The pagerank citation ranking:bring order to the Web［R］．Stanford:StanfordInfoLab，1998．［4］孙鹤立，冯博琴，黄健斌，等．序关系优化的多超平面排序学习模型［J］．模式识别与人工智能，2010，23(3):327-334．Sun He-li，Feng Bo-qin，Huang Jian-bin，et al．Rankingmodel of optimized multiple hyperplanes using order rela-tions［J］．Pattern Recognition and Artificial Intelligence，2010，23(3):327-334．［5］Robertson S E．The probability ranking principle in IR ［J］．Journal of Documentation，1977，33(4):294-304．［6］Yue Y，Joachims T．Predicting diverse subsets using struc-tural SVMs［C］∥Proceedings of the25th InternationalConference on Machine Learning．New York:ACM，2008:1224-1231．［7］Santos R L T，Peng J，Macdonald C，et al．Explicit search result diversification through sub-queries［C］∥Proceed-ings of the32nd European Conference on IR Research．New York:ACM，2010:87-99．［8］Santos R L T，Macdonald C，Ounis I．Exploiting query re-formulations for Web search result diversification［C］∥Proceedings of the19th International Conference on WorldWide Web．New York:ACM，2010:881-890．［9］Radlinski F，Bennett P N，Carterette B，et al．Redundan-cy，diversity and interdependent document relevance［J］．ACM SIGIR Forum，2009，43(2):46-52．［10］Carbonell J，Goldstein J．The use of MMR，diversity-based reranking for reordering documents and producingsummaries［C］∥Proceedings of the21st Annual Inter-national ACM SIGIR Conference on Research and Develop-ment in Information Retrieval．New York:ACM，1998:335-336．［11］Zhai C X，Cohen W，Lafferty J．Beyond independent rele-vance:methods and evaluation metrics for subtopic re-trieval［C］∥Proceedings of the26th Annual Interna-tional ACM SIGIR Conference on Research and Develop-ment in Information Retrieval．New York:ACM，2003:10-17．［12］林古立，彭宏，马千里，等．一种基于关键词的网页搜索结果多样化方法［J］．华南理工大学学报:自然科学版，2010，39(5):102-107．Lin Gu-li，Peng Hong，Ma Qian-li，et al．A keyword-based method for diversification of Web search results［J］．Journal of South China University of Technology:Natural Science Edition，2010，39(5):102-107．［13］Radlinski F，Kleinberg R，Joachims T．Learning diverse rankings with multi-armed bandits［C］∥Proceedings ofthe25th International Conference on Machine Learning．New York:ACM，2008:784-791．［14］Cesa-Bianchi N，Lugosi G．Prediction，learning，and games［M］．New York:Cambridge University Press，2006．［15］Auer P，Cesa-Bianchi N，Freund Y，et al．The nonsto-chastic multiarmed bandit problem［J］．SIAM Journal onComputing，2002，32(1):48-77．(下转第99页)47华南理工大学学报(自然科学版)第39卷Error of Near-Field HRTF Measured by UsingSpherical Dodecahedral Sound SourceYu Guang-zhengChen Ze-wei(Acoustic Laboratory ，South China University of Technology ，Guangzhou 510640，Guangdong ，China )Abstract :In this paper ，first ，a combined model consisting of a spherical dodecahedral sound source and a spheri-cal head model is established．Then ，the binaural pressure and near-field head-related transfer function (HRTF )are calculated via the multipole expansion of spherical harmonic functions and the rotation transform of spherical ba-sis functions．Moreover ，the common influences of the directivity and multiple scattering of the spherical dodecahe-dral sound source on the near-field HRTF measurement are analyzed according to the magnitude spectrum errors ofHRTF．The results show that (1)the effects of sound source on near-field HRTF measurement weakens with thedecrease in sound source radius and with the increase in half scan angle of each local pulsating unit ;(2)when the sound source distance is not less than 0.2m ，the sound source radius is not more than 0.025m and the half scan angle is not less than 23.6ʎ，the errors resulting from the source generally appear at the frequencies more than 12kHz ;(3)except for some contralateral directions ，the errors of HRTF are controlled within ʃ3.5dB ，which ba-sically satisfies the requirements of the near-field HRTF measurement．The proposed method is finally proved valid and applicable by the data measured in some particular directions with the help of a self-fabricated wood sphere anda practical spherical dodecahedron sound source．Key words :spherical dodecahedron sound source ;near-field measurement ;head-related transfer function ;multiplescattering ;directivity (上接第74页)［16］Durrett R．Probability models for DNA sequence evolu-tion ［M ］．2nd ed．New York :Springer ，2008．［17］Carpineto C ，Mizzaro S ，Romano G ，et al．Mobile informa-tion retrieval with search results clustering :prototypesand evaluations ［J ］．Journal of American Society for In-formation Science and Technology ，2009，60(5):877-895．Online Diversified Ranking Algorithm Based on Clustering and User ClicksMa Qian-liLin Gu-li(School of Computer Science and Engineering ，South China University of Technology ，Guangzhou 510006，Guangdong ，China )Abstract :In the information retrieval on the Internet ，diversified ranking methods are used to provide top diverse results for users．This paper proposes an online diversified ranking algorithm CRBA based on clustering and user clicks．CRBA utilizes the similarity of documents to user feedbacks and provides diverse ranking results according to the continuous interaction of users．With the combination of the online method and the offline one ，CRBA takes advantage of the topic clustering so that the convergence can be speeded up by preliminarily dividing candidate do-cuments according to their topics．Moreover ，it utilizes the merits of online ranking algorithms so that more accurate and complete estimation of users'purposes can be obtained from user clicks．Experimental results show that ，as compared with the other online diversified ranking algorithms ，CRBA converges more quickly and adapts well to the ranking of documents with a large amount．Key words :information retrieval ;diversification ;clustering ;online ranking ;ranking algorithm99第12期余光正等:球形正十二面体声源测量近场HRTF 的误差。
2010年度陕西省科学技术奖推荐项目
项目 编号
10-001 10-002
项目名称
基于软交换的全 IP 化移 动通信组网技术 大跨径钢箱梁桥面铺装 技术体系研究 水泥稳定碎石振动试验 方法及工程应用 BT 系列积极式凸轮开口 装置关键技术研究及产 品开发 微胶囊药物纳米复合防 污、 抗菌、 抗病毒纺织品 开发 计算机优化配毛及毛条 辅助制造系统 输电线路运行工况在线 监测与故障诊断及系列 产品开发 纺织平网印花机电气控 制装置关键技术研究及 产业化 跨边界知识共享研究 分布式数据挖掘优化技 术 认知无线电技术研究 目标与复杂地海背景的 电磁散射研究 高速无线通信系统中的 传输与组网新技术 正交时分复用技术研究 中国食蚜蝇科昆虫物种 多样性研究 量子体系非对易拓扑相 位和非对易能级的研究 秦巴山区猪苓资源保护 及开发利用研究 天然活性成分的微生物 转化研究
10-041 10-042 10-043 10-045
NiTi 形状记忆合金的疲 劳断裂性能及本构模型 基于混合网络的设备故 障远程测试诊断智能信 息处理平台 面向大规模定制生产的 快速工艺设计系统 校园计算网格 营利组织内优化活动及 其向可持续竞争优势演 化的机理研究 飞行器机电系统早期故 障预示技术 齿轮先进啮合理论研究 及工程应用 复杂系统现代估计理论 及应用 数字式皮革收缩温度测 量技术及装置的研究 水热合成无机功能材料 及陶瓷涂层的理论与应 用基础研究 CO2/CH4 的催化转化及 相关绿色过程的基础研 究 蝗虫的分子系统学和分 类鉴定专家系统研究 算子矩阵及其应用 低频液体表面波声光效 应及应用 渭河流域万年尺度环境 变化与土壤发育演变规 律 过渡金属掺杂材料结构、 性能与微观机理研究 “翔式道路”——西部以 军地融合高新技术产业 发展促进产业结构优化 升级的理论对策 复杂目标光电散射特征 建模及其在实际探测中 的应用研究