在电力系统中，终端设备的信任度评估是实现访问权限分级、数据安全采集的关键技术，对于保证电网安全稳定运行具有重要意义。传统的信任度评估模型通常基于终端设备身份识别、运行状态和交互记录等直接计算信任度评分，在面临间接攻击和节点共谋时，性能较差。针对上述问题，提出一种基于自适应交互反馈的信任度评估（Adaptive Interaction Feedback based Trust evaluation， AIFTrust）机制。所提机制通过直接信任评估模块、信任推荐模块和信任聚合模块全面地度量设备的信任等级，针对电力信息系统中海量协作终端精准地评估信任度。首先，直接信任评估模块引入交互成本，并基于信任衰减策略计算恶意目标终端的直接信任评分；其次，信任推荐模块引入经验相似性，并通过二次聚类推荐相似终端以提高推荐信任度评分的可靠性；然后，信任聚合模块基于信任评分准确性自适应地聚合直接信任度评分和推荐信任度评分。在真实数据集和生成数据集上的仿真实验结果均表明，在攻击概率为30%、信任衰减率为0.05时，AIFTrust相较于基于相似度的信任评估方法SFM（Similarity FraMework）和基于客观信息熵的信任评估方法CRT（Reputation Trusted based on Cooperation）在推荐准确度上分别提高13.30%和14.81%。

针对大规模微博语料手动标注困难的问题，提出了中文微博语料情感类别自动标注的方法，包括基于关键词的、基于概率求和的和基于概率乘积的3种自动标注方法和一种集成标注方法。自动标注时首先分别使用3种标注方法进行标注，得到3种标注结果；然后，采用标注方法集成的策略，对3种标注的结果通过投票的方式决定最终的标注结果。通过设计自动标注实验系统进行实验，实验结果验证了所提方法的可行性和有效性。实验结果表明，单个标注方法的准确率均在70%以上，投票方法的准确率达90%以上。