原创 TrajGuard:一個全面的軌跡版權保護方案

上週五睡眼朦朧的時候,導師說我今年名額沒申請下來,你掛在xx名下可以麼?我竟一時不知道說什麼好。算是被坑了一下。不過也不全是壞事,之前組裏的氣氛很讓人頭大,換個新組開始新研究,反倒覺得更有盼頭了。 ACM SIGKDD TrajGuard

原创 Trajectory Privacy in Location-based Services and Data Publication

kdd 11年的文章 LBS(location business service)的典型例子包括本地商業搜索、電子營銷、社交網絡和汽車流量監控。儘管LBS爲移動用戶提供了有價值的服務,但向可能不受信任的LBS服務提供商透露他們的私人位置會

原创 機器學習預測評論有用性

literature reviews Methodology dataset:294,034 reviewers  除了消費者的文本反饋外,還收集了消費者的社會地位、餐廳類型、評論日期、餐廳的個別評論者的星級等相關信息。此外,還獲得了對

原创 DID模型

  E(yt1)E(yc1):政策變化前結果的均值。E(yt2)E(yc2):政策變化後結果的均值 delta(yt)反應實驗組政策變化後的結果變化,delta(yc)反應control組證的變化前後的差。delta(delta(y)

原创 區塊鏈如何影響商業模型

(1)客戶細分,(2)價值主張,(3)渠道,(4)客戶關係,(5)收入來源,(6)關鍵資源,(7)關鍵活動,(8)關鍵合作伙伴關係,和(9)成本結構 (1)客戶細分 區塊鏈可以幫助企業達到以前無法到達的目標市場(Larios-Hernan

原创 中心化與標準化

中心化(又叫零均值化)和標準化(又叫歸一化)概念及目的 目的:消除數據間量綱的差異 方法:中心化:減去均值;歸一化:(1)減去均值併除以方差使之服從N(0,1)分佈;(2)修改樣本使之數值分佈在[0,1] 標準化是中心化的進一步處理 歸一

原创 Supervised Machine Learning Approach to De-Anonymizing the Bitcoin--機器學習消除BTC匿名性

JMIS        本文提出了一種利用監督機器學習來預測未知實體類型的比特幣區塊鏈去匿名化的新方法。我們使用了957個實體(3.85億交易)的樣本,它們的身份和類型已經被揭示,作爲訓練集數據,並構建了區分12個類別的分類器。使用默認參

原创 CASE WHEN 兩種用法

(1)枚舉這個字段的各個可能的值,對枚舉到的每一個具體的值單獨作出對應的處理  舉例說明 SELECT CASE a.AFTER_QUALITY WHEN '0' THEN '過免維期' WHEN '1' THEN

原创 A Ten-Step Decision Path to Determine When to Use Blockchain Technologies--區塊鏈技術選擇

一種十步區塊鏈技術選擇方案 MISQE Jun 2019  abstract: This article presents a ten-step decision path that can help determine whether

原创 Oracle數據庫 sql%found,sql%notfound,sql%rowcount

執行dml(insert,update,delete)語句時,使用隱式遊標,可使用 sql%found (布爾類型,默認值爲null) sql%notfound(布爾類型,默認值爲null) sql%rowcount(數值類型默認