top-k

摘要： 空间并置(co-location)模式是指在空间邻域内空间特征的实例频繁地出现在一起所形成的非空特征子集。人们已经对确定数据和不确定数据的top-k空间co-location模式挖掘进行了相关研究,但是针对模糊特征的top-k平均效用co-location模式挖掘的研究还没有。提出模糊特征的top-k平均效用co-location模式挖掘。首先,定义了模糊特征的top-k平均效用co-location模式的相关概念,分析了模式的扩展模糊平均效用具有的“向下闭合”性质。其次,设计了一种基于扩展模糊平均效用值挖掘top-k平均效用co-location模式的算法,解决模糊平均效用不满足“向下闭合”性质的问题。在此基础上,又提出了一种基于局部扩展模糊平均效用的剪枝方法,有效地减小了top-k平均效用co-location模式挖掘的搜索空间,进一步提高了挖掘算法的效率。最后,在真实和合成数据集上验证了所提出算法的实用性、高效性和鲁棒性。

摘要： 针对在云存储服务中可搜索加密技术的研究,解决了现存3个问题:1)传统可搜索加密方法大多数只支持单关键字搜索,并且在安全索引过大时,搜索时间代价过大;2)现有方案大多使用倒排索引进行快速搜索,然而倒排索引并不支持动态关键字更新;3)现有方案大多数无法针对某些按需用户,根据关键字的重要性对搜索文件进行安全高效的top-k排序.提出了一种基于多关键字的top-k布尔可搜索加密方案(top-k boolean searchable encryption scheme based on multiple keywords,TBSE).该方案利用Goldwasser-Micalli与2DNF这2种加密算法构建了一种支持动态更新的安全索引;利用集合论与布尔搜索的相关知识构建了关键字交集索引与交集搜索令牌,以实现对多关键字的布尔搜索;利用TF-IDF加权技术与安全协处理器构造分数索引,进而能够对文件进行top-k排序.安全性分析表明:该方案保证了在已知密文模型与已知背景模型下的安全性.通过实验证明:该方案提升了对多关键字布尔搜索的效率以及索引存储的效率.

摘要： 基于图卷积网络(graph convolutional networks,GCNs)的骨架动作识别方法只能对关节点间的单一关系进行建模,缺少描述多种关系的能力.借鉴知识图谱描述实体之间不同关系的思想,提出一种基于关节点流和肢体流的双流多关系GCNs人体骨架动作识别方法,对图结点间的自然连接关系、对称关系和全局关系进行建模,各种特征在网络中同步传输并有效融合.运动的全身协作过程中,每个部位的交互范围有限且依赖于具体动作,提出基于Non-local机制的topK全局邻接关系自适应计算方法,为每个结点动态选择交互强度较大的前K个结点作为全局关系邻接点.实验结果表明,所提出的双流多关系网络在Kinetics和NTU-RGB+D数据集上取得了较好的动作识别效果.

摘要： 机器学习的发展依赖大量可用的数据.但是,在现实中数据分布在大量不同的企业和组织中,并且受到很多法律和现实情况的限制,将这些分散在各处的数据合并成一个拥有大量数据的数据集并不现实.为了解决机器学习领域的这一挑战,引入了一个新的算法和框架,称之为联邦迁移学习(Federated Transfer Learning,FTL).FTL在允许不损害用户隐私的情况下共享知识,并且也允许跨域传输互补知识,因此可以利用源域中丰富的标签,来为目标域建立一个灵活而有效的模型.在联邦迁移学习中,使用了同态加密算法来保证在传输知识时不泄露用户隐私,在提出的安全联邦迁移学习中,使用了并行方法来提升加密速度.在已有的知识基础上,结合了同态加密和Hadoop环境下MapReduce并行框架,提出了基于MapReduce并行同态加密的联邦迁移学习算法,并对该方案的安全性和正确性进行了理论的分析.论文还在联邦迁移学习中,引入了梯度选择算法To p-K,以此来减少通信开销.实验结果表明,基于MapReduce并行同态加密的联邦迁移学习算法,可以更加有效地减少数据加密的时间损耗,训练的准确率和明文训练达到同一水平.

摘要： 针对Top-k高效用项集挖掘算法在挖掘过程中忽略内存管理的问题,提出基于DBP的Top-k高效用项集挖掘算法TKBPH(Top-k buffer pool high utility itemsets mining),采用数据缓冲池(DBP)结构存储效用链表,并由索引链表记录效用链表在DBP的位置.数据缓冲池根据挖掘过程情况在数据缓冲池尾部动态插入和删除效用链表,通过索引链表直接读取效用链表避免项集搜索时频繁的比较操作,有效减少内存空间和运行时间消耗.不同类型数据集上的实验结果表明,TKBPH算法在挖掘过程中执行速度更快、内存消耗更少.

摘要： 时态数据在医疗、经济和电子商务等领域有着广泛的应用.由于时间的测量技术不精确等因素,时态数据具有不确定性.文中针对该数据进行研究,处理Top-k查询,即返回与查询点相交的k个权值最大的数据,该权值是根据数据权值和相交概率按一定规则组合计算所得.为有效解决该查询问题,提出了一个基于关系模型和辅助结构的2D R-tree结构,其中关系模型用于管理所有区间数据的R-tree,辅助结构用于管理R-tree中每个节点内部数据权值的大小关系.基于该结构,提出了按权值的降序访问数据的查询算法.从根节点开始遍历R-tree,对于与查询点相交的节点,根据辅助结构中存储的信息找到数据权值最大的项,将它确定为下一个访问对象.实验使用数据规模在30万到1000万的合成数据集,以及包括大约320万条的航班信息的真实数据集.在可扩展数据库SECONDO系统下,将所提方法与无索引方法、R-tree和区间树方法在性能上进行比较,并以平均I/O访问次数和CPU时间作为性能的评判指标.实验结果表明,在1000万条的数据规模下,所提方法优于对比方法2～3个数量级.通过将实验返回的k个结果的概率与权值和实际相交数据的概率和权值作比较可以发现,实验返回的k个结果的概率与权值均靠近实际相交数据的概率和权值的最大值,因此所提算法可行且有效.

摘要： 针对实际应用中不确定Top-k查询算法效率不够高等问题,在分析可能世界模型的基础上,提出了新的参数化Top-k查询算法(ETK算法).该算法对数据概率和分值进行约束,返回Top-k概率和分值乘积最大的前k条数据,综合考虑数据概率和分值两个属性.为了提高算法的效率,提出了基于数据分值约束、数据存在概率和数据支配关系的剪枝技术.将所提出的算法与以往算法进行对比,且在不同参数下进行了试验.结果表明:在处理不确定数据时,所提出的算法在时间性能上有较好的提升.

摘要： Top-k Skyline查询结合了Top-k与Skyline的特性,可以在数据集中找到最好的点.但是,现有的算法在大数据环境下具有较高的时间开销.文中提出一种新的算法DFTS,其可以高效地在大数据集中进行Top-k Skyline查询.DFTS包括3个步骤:首先,利用度值评价函数对数据集进行排序,快速过滤掉大量的点,仅保留足够少的候选集;然后,对候选集进行Skyline查询计算,进一步排除掉Skyline集合外的点;最后,筛选出Top-k的数据点作为最终结果.通过这种方式,DFTS有效减少了算法的运行时间.从理论上证明了DFTS查询的最终结果符合Top-k Sky-line查询的要求.基于大数据集的大量实验表明,DFTS具有比现有算法更好的性能.

摘要： 给定关键字集合,关系数据库上的关键字查询返回一个元组连接树集合.现有的关键字查询处理方法要求元组连接树的每个叶节点至少包含一个查询关键字.但是,这些方法都忽略了与查询关键字语义相关的元组。因此,提出一种基于语义的关键字查询处理算法。首先定义了查询关键字与元组连接树的语义相关性评价函数,然后在查询处理过程中利用该评价函数,以产生相关性最高的top-k结果.最后,实验结果表明该查询处理算法的准确性和高效性。

摘要： 给定关键字集合,关系数据库上的关键字查询返回一个元组连接树集合.现有的关键字查询处理方法要求元组连接树的每个叶节点至少包含一个查询关键字.但是,这些方法都忽略了与查询关键字语义相关的元组。因此,提出一种基于语义的关键字查询处理算法。首先定义了查询关键字与元组连接树的语义相关性评价函数,然后在查询处理过程中利用该评价函数,以产生相关性最高的top-k结果.最后,实验结果表明该查询处理算法的准确性和高效性。

摘要： 给定关键字集合,关系数据库上的关键字查询返回一个元组连接树集合.现有的关键字查询处理方法要求元组连接树的每个叶节点至少包含一个查询关键字.但是,这些方法都忽略了与查询关键字语义相关的元组。因此,提出一种基于语义的关键字查询处理算法。首先定义了查询关键字与元组连接树的语义相关性评价函数,然后在查询处理过程中利用该评价函数,以产生相关性最高的top-k结果.最后,实验结果表明该查询处理算法的准确性和高效性。

摘要： 给定关键字集合,关系数据库上的关键字查询返回一个元组连接树集合.现有的关键字查询处理方法要求元组连接树的每个叶节点至少包含一个查询关键字.但是,这些方法都忽略了与查询关键字语义相关的元组。因此,提出一种基于语义的关键字查询处理算法。首先定义了查询关键字与元组连接树的语义相关性评价函数,然后在查询处理过程中利用该评价函数,以产生相关性最高的top-k结果.最后,实验结果表明该查询处理算法的准确性和高效性。

摘要： 给定关键字集合,关系数据库上的关键字查询返回一个元组连接树集合.现有的关键字查询处理方法要求元组连接树的每个叶节点至少包含一个查询关键字.但是,这些方法都忽略了与查询关键字语义相关的元组。因此,提出一种基于语义的关键字查询处理算法。首先定义了查询关键字与元组连接树的语义相关性评价函数,然后在查询处理过程中利用该评价函数,以产生相关性最高的top-k结果.最后,实验结果表明该查询处理算法的准确性和高效性。

摘要： 利用关键字可以在模式未知的情况下对XML数据进行查询.提出了一种面向XML数据流的关键字查询技术——TOP-K关键字查询.这类查询在模式未知的情况下,对用户给出的关键字集合和结果个数K,随时给出接收到数据中前K个与关键字集合最相关的XML数据片断.为了有效地处理TOP-K关键字查询,本文设计了一种基于栈的算法,可以动态地维护临时结果集合并有效地过滤掉无用的元素.本文通过实验对算法的有效性和可扩展性进行了验证.

摘要： 利用关键字可以在模式未知的情况下对XML数据进行查询.提出了一种面向XML数据流的关键字查询技术——TOP-K关键字查询.这类查询在模式未知的情况下,对用户给出的关键字集合和结果个数K,随时给出接收到数据中前K个与关键字集合最相关的XML数据片断.为了有效地处理TOP-K关键字查询,本文设计了一种基于栈的算法,可以动态地维护临时结果集合并有效地过滤掉无用的元素.本文通过实验对算法的有效性和可扩展性进行了验证.

摘要： 利用关键字可以在模式未知的情况下对XML数据进行查询.提出了一种面向XML数据流的关键字查询技术——TOP-K关键字查询.这类查询在模式未知的情况下,对用户给出的关键字集合和结果个数K,随时给出接收到数据中前K个与关键字集合最相关的XML数据片断.为了有效地处理TOP-K关键字查询,本文设计了一种基于栈的算法,可以动态地维护临时结果集合并有效地过滤掉无用的元素.本文通过实验对算法的有效性和可扩展性进行了验证.

摘要： 利用关键字可以在模式未知的情况下对XML数据进行查询.提出了一种面向XML数据流的关键字查询技术——TOP-K关键字查询.这类查询在模式未知的情况下,对用户给出的关键字集合和结果个数K,随时给出接收到数据中前K个与关键字集合最相关的XML数据片断.为了有效地处理TOP-K关键字查询,本文设计了一种基于栈的算法,可以动态地维护临时结果集合并有效地过滤掉无用的元素.本文通过实验对算法的有效性和可扩展性进行了验证.

摘要： 利用关键字可以在模式未知的情况下对XML数据进行查询.提出了一种面向XML数据流的关键字查询技术——TOP-K关键字查询.这类查询在模式未知的情况下,对用户给出的关键字集合和结果个数K,随时给出接收到数据中前K个与关键字集合最相关的XML数据片断.为了有效地处理TOP-K关键字查询,本文设计了一种基于栈的算法,可以动态地维护临时结果集合并有效地过滤掉无用的元素.本文通过实验对算法的有效性和可扩展性进行了验证.

摘要： 本发明属于抗宫颈癌药物领域，具体涉及TOPK作为宫颈癌顺铂耐药防治靶点的应用。现有技术中针对TOPK与宫颈癌增殖及顺铂耐药的关系尚未见研究。为了明确宫颈癌患者顺铂耐药的机制，为宫颈癌患者提供更好的治疗药物，本发明针对TOPK对宫颈癌增殖及顺铂耐药的影响进行一系列研究。结果表明TOPK在宫颈癌患者组织中高表达；TOPK促进宫颈癌细胞增殖；TOPK过表达促进宫颈癌细胞对顺铂耐药。进一步研究表明TOPK特异性抑制剂OTS514在体内外明显抑制宫颈癌细胞增殖，本发明采用TOPK抑制剂OTS514与顺铂联合应用于宫颈癌治疗，治疗效果优于单独的顺铂治疗效果。

摘要： 本发明公开了PBK/TOPK在制备诊断和治疗薄型内膜疾病的试剂中的应用。PBK/TOPK作为检测靶点在制备薄型内膜诊断试剂中的应用。PBK/TOPK在制备治疗子宫内膜薄引起的疾病的药物中的应用。本发明通过测序和生物信息学方法分析发现薄型内膜患者下调基因主要富集在细胞增殖和细胞周期等生物学过程。实验验证薄型内膜患者子宫内膜组织中PBK/TOPK表达显著减少，尤其以间质细胞减少最为显著。体外结果显示，干扰PBK/TOPK后细胞增殖活性下降。因此，PBK/TOPK在薄型内膜检测和治疗方面可能发挥重要作用，可用于薄型内膜的临床诊断及治疗。

摘要： 本发明公开了一种抗TOPK第74位酪氨酸残基磷酸化的抗体，属于生物和疾病诊断领域。该抗体是将氨基酸序列如SEQ ID NO：1所示的多肽与载体蛋白偶联，用作抗原，并用该抗原免疫动物，得到多抗血清，纯化后得到的。该抗体能应用于肿瘤细胞水平的免疫印迹方法检测，目前市面上尚无针对TOPK Y74磷酸化检测的任何抗体，本发明为肿瘤发生的研究及肿瘤的早期诊断及预后预测治疗打下了坚实的基础。

摘要： 本发明提供了一种基于论文摘要QA的TopK实体抽取方法与系统，该方法包括数据获取与处理步骤：从数据库中获取相关领域的所有论文，以及从dbpedia官网获取实体库，并整合数据库中的实体，获得dbace实体集；训练相似度模型步骤：进行文本相似度模型训练；构建ES索引步骤：将dbace实体集中的每个实体经过stem处理；检索实体步骤：将论文摘要QA句子送入ES中进行查询；实体特征计算步骤：计算实体列表中的实体与其论文标题、论文摘要和论文摘要QA的相关分数，并计算实体长度和复杂度；训练LTR模型步骤：选取部分文章的实体列表进行人工标注；结果可视化步骤：将单篇论文各个论文摘要QA下的实体列表进行lambdaRank排序。本发明能够使得论文知识图谱构建变得快速、简单、可靠。

摘要： 本发明公开了一种头孢拉定新的药效及分子机理，本发明中发现头孢拉定抑制紫外线(UV)诱导的光线性皮肤病(日晒伤、慢性光化性皮炎)，是通过与T?LAK细胞起源的蛋白激酶(TOPK)结合并抑制其活性、阻断TOPK信号通路实现。免疫病理提示光线性皮肤病皮损中TOPK、P38、JNK表达增加。细胞实验中，TOPK活性影响UV诱导的P38、JNK磷酸化。分子对接实验发现，头孢拉定可以直接与TOPK结合，抑制TOPK的活化，抑制p38、JNK和H2AX的磷酸化及炎症因子IL?6和TNF?α的分泌。人体和动物实验也验证了细胞实验结果。

摘要： 本发明公开了一种分组聚集排序TopK查询处理分布式数据节点异常行为检测方法，涉及数据节点检测技术领域。本发明包括分布式数据节点异常行为告警模块、分组聚集排序TopK数据接收模块、分组聚集排序TopK数据查询处理模块和数据输出模块，分布式数据节点异常行为告警模块对分布式数据节点的异常行为进行告警，并将告警信息推送至分组聚集排序TopK数据接收模块，然后利用分组聚集排序TopK数据查询处理模块进行数据修正处理，完成后推送至数据输出模块。本发明分组聚集排序TopK查询处理分布式数据节点异常行为检测方法对于数据节点的告警反应迅速，数据节点查询处理效率高，采用分组聚集排序，环境适应能力强，推广价值高。

摘要： 本公开涉及用于TOPK操作的方法和系统。例如，一种方法包括接收TopK指令以对向量数据的最大K个元素进行排序。向量数据的前K个元素被排序并存储在第一寄存器中。读取向量数据的另一元素，并确定其值是否大于或者在前K个元素的值的范围内。如果另一元素的值在值的范围内，则确定另一元素在前K个元素内的位置。在确定另一元素在前K个元素中的位置之后，将前K个元素中小于另一元素的元素子集向下移位。在移位之后将另一元素插入经确定的位置。针对向量数据的每个剩余元素重复该过程。

摘要： 一种抗TOPK第32位丝氨酸残基磷酸化的抗体，涉及生物和疾病诊断试剂盒。提供一种抗TOPK第32位丝氨酸残基磷酸化的抗体p‑TOPK(S32)，由氨基酸序列如SEQ ID NO：1所示的抗原多肽与载体蛋白偶联用作抗原，用该抗原免疫动物得到多抗血清，经纯化后得到抗体。抗体的制备：根据TOPK靶点序列及磷酸化位点S32，设计需要合成的磷酸化多肽序列；根据设计的磷酸化多肽序列合成多肽，将该多肽与载体蛋白偶联，用作抗原；用抗原免疫动物，得到多抗血清，纯化后即得。该抗体可应用于肿瘤细胞水平的蛋白印迹检测，可在制备肿瘤诊断试剂盒中应用。为肿瘤发生、发展的研究，肿瘤诊断、预后及治疗打下坚实基础。

摘要： 本申请提供一种面向海量数据的TopK查询方法、系统及电子设备，所述方法包括：接收输入数据序列；对输入数据序列执行一次或多次下降操作，其中每次下降操作包括对待处理数据序列执行最大值下采样以得到局部数据序列，第一次下降操作的待处理数据序列为输入数据序列，除第一次之外的每次下降操作的待处理数据序列为前一次下降操作得到的局部数据序列；根据每次下降操作得到的局部数据序列，计算第一次下降操作得到的局部数据序列中的TopK数据；以及根据第一次下降操作得到的局部数据序列中的TopK数据，计算并输出输入数据序列中的TopK数据。所述方法在保证结果准确性的同时，减少了查询运算量并提高了查询效率，适用于在海量数据中执行TopK查询。

摘要： 本发明涉及中药化合物青藤碱作为TOPK激酶抑制剂在制备治疗银屑病产品中的应用。本发明从分子、细胞和动物等水平探讨青藤碱的抗银屑病活性及其具体的作用机制。研究表明青藤碱直接靶向TOPK，抑制TOPK活性,从而抑制银屑病样细胞模型病变，包括抑制银屑病特征性细胞因子IL‑17A的表达，抑制银屑病标志分子S100A7和p‑STAT3的表达，促进病变角质细胞凋亡；利用银屑病样动物模型发现青藤碱显著缓解IMQ诱导的银屑病样症状，表明青藤碱可作为TOPK抑制剂用于制备治疗银屑病的药物。