Search | Engineering

个性化推荐服务 1

中医；药材推荐；知识图谱；图注意力网络 1

人际距离学 1

代码复用；代码推荐；树相似度；结构信息 1

会话型推荐；自监督学习；图神经网络；目标自适应屏蔽 1

低光增强；过滤—群聚注意力；密集连接金字塔；递归网络 1

关系学习 1

关系耦合 1

关系隐私信息 1

兴趣点推荐 1

协同过滤 1

印象管理 1

受限玻尔兹曼机；深层网络结构；协同过滤；推荐系统 1

地图搜索；区域搜索；区域推荐；空间关键字搜索；地理信息系统；基于位置的服务 1

大数据分析；区域提取；人工势场；Dijkstra；路线推荐；出租车GPS轨迹 1

异构性 1

恶意代码分类；基因视角；函数依赖图；同源性分析 1

恶意代码分类；机器学习；n-gram；灰度图；特征提取；恶意代码检测 1

恶意代码行为；静态分析；动态分析；行为数据表示；行为分析；机器学习；基于语义的分析；行为可视化；恶意代码演化 1

展开︾

摘要：软件开发人员通常需编写与已有代码具有类似功能的代码，而帮助开发人员重用这些代码片段的代码推荐工具可显著提高软件开发效率。近年来许多研究者开始关注这一领域，并提出多种代码推荐方法。一些研究者使用序列匹配算法得到相关代码，这些方法往往效率较低，且只能利用代码中的文本信息。另一些研究者从代码中提取特征并形成特征向量，从而计算代码间相似性并得到推荐结果。然而特征向量相似往往不代表原始代码相似，在将抽象语法树转换为向量的过程中存在结构信息丢失问题。对此，我们提出一种基于近似子树匹配的代码推荐方法。与现有基于特征向量匹配的方法不同，该方法在匹配过程中保留了查询代码的树型结构，从而找到与当前查询在结构上最为相似的代码片段。此外，通过哈希思想将子树匹配问题转化为树与列表间的匹配，使得抽象语法树信息可以用于对时间要求较高的代码推荐任务。为评估方法的有效性，构建了多个涵盖不同语言和粒度的代码数据集。

摘要：本文提出一种名为“RepoLike”的新方法，为开发人员推荐基于线性组合和学习排序的开源项目。使用项目受欢迎程度、项目间技术依赖关系和开发人员间的社会关系来度量开发人员与给定开源项目间的相关性。实验结果表明，该方法在推荐20个候选者时可达25%以上命中率，这意味着它可以向贡献者推荐紧密相关的开源仓库。

摘要：恶意软件的爆炸式增长对信息安全构成重大威胁。基于签名机制的传统反病毒系统无法将未知的恶意软件分类到相应的恶意家族和检测新的恶意软件。因此，我们提出一种基于机器学习的恶意软件分析系统，由数据处理系统，决策系统和新的恶意软件检测系统三个子系统组成。数据处理系统包含灰度图像的纹理特征，Opcode特征和API特征等三种特征提取方法。决策系统被用来分类恶意软件和证实可疑的恶意软件。最后，检测系统使用共享近邻聚类算法（shared nearest neighbor, SNN）来发现新的恶意软件。我们在Kingsoft,，ESET NOD32和Anubis收集的二万多恶意样本集上对所提出的方法进行了评估。结果表明，我们的系统可以有效地分类未知恶意软件，准确率可达98.9％。同时新恶意软件的成功检测率为86.7％。

资源类型

年份

关键词