针对在动态网络环境和有限缓存容量限制下用户观看视频体验质量低的问题，提出一种综合考虑带宽和缓存因素的动态自适应的HTTP流码率渐进切换（DASBS）算法。首先，利用滑动窗口分析最近下载分片得到带宽初步估值；然后，依据实时带宽波动程度和缓存状态设置双矫正因子进一步平滑带宽估值；最后，设置缓存阈值使其与当前码率建立相关关系，并利用带宽估值和缓存动态阈值共同控制码率切换。使用libdash平台验证算法性能，DASBS在切换平滑性上优于VQCQ（Video Quality Control for QoE）算法，视频播放平均码率更高，有效提高了带宽利用率；平均码率稍低于EABS（Evolution of Adaptive Bitrate Switching）算法时，切换次数得到大幅下降，整体切换稳定性表现更优。实验结果表明，所提算法在动态网络环境中具有带宽高利用、切换平滑和切换稳定的良好表现，能够有效改善用户体验。

目前的矩阵乘法算法无法处理大规模和超大规模的矩阵,而随着MapReduce编程框架的提出，并行处理矩阵乘法成为解决大矩阵运算的主要手段。总结了矩阵乘法在MapReduce编程模型上的并行实现方法，并提出了实现高性能大矩阵乘法的策略——折中单个工作节点的计算量和需要网络传输的数据量。实验证明，并行实现算法在大矩阵上明显优于传统的单机算法，而且随着集群中节点数目的增多，并行算法会表现出更好的性能。

现有的话题追踪方法大多面向新闻数据，将其应用于论坛时效果不够理想。结合论坛的特点，提出一种基于语义相似度的论坛话题追踪方法。该方法首先通过构建话题和帖子的关键词表建立其文本表示模型，然后利用知网计算两个关键词表的语义相似度并以此作为帖子与话题的相关程度，最后根据相关程度实现论坛话题追踪。该方法较好地避免了向量空间模型的缺陷。实验表明，该方法能比较有效地解决面向论坛的话题追踪问题。

首先对网络新闻评论数据的特点进行归纳总结，选取不同的特征集、特征维度、权重计算方法和词性等因素进行分类测试，并对实验结果进行分析比较。对比结果表明：情感词和论据词语搭配效果优于仅使用情感词作为评论特征；另外该类数据中特征维度对分类准确率的影响减小,且TF-IDF权重计算方法仍优于布尔型权重；在词性选择上，名词和动词词性比形容词和副词取得更好的分类效果。

受到信息粒度原理的启发，给出了一种有效的垃圾邮件过滤新方法。该方法训练过程是将训练样本集合中合法邮件类和垃圾邮件类拆分成四个小类，得到四个小类的类中心向量，从粒度原理角度来看，就是采用更细的粒度来描述训练样本的先验知识。过滤过程则将新进来的邮件分别与四个小类的类中心向量进行相似度比较，最终来判定所属类别。在公共垃圾邮件语料库上测试新方法，同时与目前过滤性能较高的KNN方法进行比较，结果显示新方法具有过滤精度高，过滤速度快等优点。