针对基于会话的推荐算法主要依赖目标会话中的信息，而未充分利用其他会话中的协同信息的问题，提出了一种基于多图神经网络的会话感知推荐（MGSP）模型。首先，根据目标会话与训练集中的所有会话构建物品转移图（ITG）和协同关联图（CRG），并基于这两张图应用图神经网络（GNN）来汇聚节点的信息，得到两类的节点表示；然后，经过双层注意力模块对两类节点表示建模，获取会话级别的表示；最后，使用注意力机制进行信息融合，得到最终的会话表示，并预测下一个交互物品。分别在电商和民航两个场景下进行了对比实验，实验结果表明，相较最优的基准模型，MGSP模型在电商数据集各项指标上的提高超过1个百分点，在民航数据集各项指标上的提高约为3个百分点，验证了MGSP模型的有效性。

随着知识图谱的日益发展和在各个垂直领域的广泛应用，对于资源描述框架（RDF）数据的高效处理需求日益成为现代大数据管理领域中的新课题。RDF是W3C提出的用于描述知识图谱实体以及实体间关系的数据模型。为了有效地应对大规模RDF数据的存储和查询，很多学者考虑在分布式环境中管理RDF数据。RDF数据的分布式存储所面临的关键问题是数据的划分，而划分的结果很大程度上决定了SPARQL的查询性能。从数据划分的角度，主要围绕两类：基于图结构的RDF数据划分方法和基于语义的RDF数据划分方法展开深入阐述。前者包括多粒度层次划分、模板划分和聚类划分，适用于通用领域查询的语义范畴较为宽泛的场景；后者包括哈希划分、垂直划分和模式划分，更加适用于垂直领域查询的语义范畴相对固定的环境。此外，针对几种典型的划分方法进行对比与分析，为未来RDF数据划分方法的研究提供参考。最后，对未来RDF数据划分方法的发展方向进行了归纳总结。

鉴于H.264的整数离散余弦变换(DCT)算法及其量化方法复杂度高,难以直接应用于分布式视频编码(DVC)框架的现状，提出了一种基于大跨度定长(步长为2的正整数次方)量化的整数DCT算法及变换基生成方法。该算法充分地利用整数DCT基的可伸缩特性寻找最迎合硬件工作原理的变换基，在保证“小”变换基的同时将编码器的伸缩量化阶段“转移”到解码器一端以降低编码器复杂度。在“转移”过程中，该算法利用DCT系数饱和放大保证图像质量，利用DCT系数的溢出上限保证算法的可靠性，通过减小基偏差提高压缩性能。实验结果表明，与H.264对应模块相比，该算法的量化方式便于位平面提取，在图像质量达到准无损压缩的前提下将编码器的伸缩量化阶段的运算量缩减至16次整型常量加法运算，图像质量与压缩率的性价比提升了23.9%，适用于分布式编码框架。

在整数小波和直方图调整技术的基础上，提出了小波直方图间隙的方法。将数据嵌入到小波的高频子带系数中，符合人的视觉系统。通过迭代在小波系数直方图中不断形成间隙的方法，将数据嵌入到间隙中去，而直方图调整技术则解决了该方法的溢出问题。实验表明该方法在相同的视觉效果下比其他方法能获得更高的嵌入容量，在相同的嵌入容量时能维持更好的视觉效果。

提出了新的JPEG2000实时量化水印算法,并将其用于改进的基于指纹识别和数字水印的银行养老金发放系统。系统客户端,量化水印在JPEG2000压缩过程中实时嵌入指纹图像,压缩比特流传送到服务端;系统服务端,水印在JPEG2000解压缩过程中实时提取,使用解压缩的指纹图像和水印进行身份认证。实验表明典型指纹图像压缩到1/4~1/20的时候,嵌入的水印能够无损提取,指纹图像虽不能完全恢复但识别率没有明显降低。因而在低网络带宽条件下,新系统有更好的交互性能,在电子商务中有很好的应用前景。