一种语义网服务发现过程排序算法

针对语义网服务发现过程的排序问题,提出一种新的语义网服务排序算法。采用重写思想的方法对候选语义网服务进行排序。实验结果证明,该算法运行效率较高、耗时较少,可有效辅助用户的选择和静态语义网服务平台的自动化计算。     

语义网站点的发现与排序

随着语义网中RDF数据的大量涌现,语义搜索引擎为用户搜索RDF数据带来了便利.但是,如何自动地发现包含语义网信息资源的站点,并高效地在语义网站点中收集语义网信息资源,一直是语义搜索引擎所面临的问题.首先介绍了语义网站点的链接模型.该模型刻画了语义网站点、语义网信息资源、RDF模型和语义网实体之间的关系.基于该模型讨论了语义网实体的归属问题,并进一步定义了语义网站点的发现规则;另外,从站点链接模型出发,定义了语义网站点依赖图,并给出了对语义网站点进行排序的算法.将相关算法在一个真实的语义搜索引擎中进行了初步测试.实验结果表明,所提出的方法可以有效地发现语义网站点并对站点进行排序.     

基于多重继承与信息内容的知网词语相似度计算

针对目前中文词语语义相似度方法中,基于信息内容的算法研究不足的问题,对知网信息模型上使用基于信息内容的中文词语相似度算法进行了研究。根据知网采用语义表达式表示知识而缺乏完整概念结构的特点,通过抽取知网语义表达式中的抽象概念,结合原知网义原树构建具有多重继承特征的知网义项网作为基于信息内容的计算本体。根据该义项网,对基于信息内容的词语相似度算法进行了改进,提出了新的信息内容含量计算方法。经过Miller&Charles（MC30）基准平台的测试,验证了基于信息内容方法在计算中文语义相似度方面的可行性,也证明了本文的计算策略和改进算法的合理性。     

基于语义的p2p路由算法研究综述

路由算法在P2P网路中占有重要的地位,资源的定位、查找均依赖于高效的路由算法。传统的P2P网络采用分布式哈希表来进行路由,是与资源的自然语义内容无关的算法,或者说分布式哈希表破坏了自然语言的语义内容。最近10年以来,语义路由算法在P2P网络中逐渐兴起。随着语义网的提出,本体成为自然语言研究方面的热点。语义覆盖网正是基于本体的知识体系构建的。而随着社交网路的兴起,又提出了语义小世界的概念。LSI、LSH、VSM以及各中聚类算法均在P2P网络的语义路由中得到了广泛的应用。     

ITPDA算法在构建语义网中的应用

自动获取视频语义信息有助于提高基于内容的视频检索系统的性能。其主要方法之一是利用视频语义网络推理得到视频的语义。为了获得视频语义网络,在传统的三阶段相关性分析算法（TTPDA）的基础上,提出了改进的三阶段相关性分析算法（ITPDA）,用以学习语义概念之间的联系,以便对视频进行语义标注。相比于TTPDA、ITPDA算法的优点是：在无法获得节点的排序或只能获得部分节点排序的情况下,也能较快地学习得到语义网络结构,而且确定语义网中边方向的时间复杂度从TTPDA的O（n⁴）降为O（n²）（其中n是语义网中节点的数目）。实验结果表明：利用ITPDA算法建立语义网是行之有效的,而且在所得到的语义网上进行视频语义标注,其效果优于TTPDA。     

基于语义查询本体的语义网文档检索

语义网的发展使人们需要对语义网文档进行检索.为了在不需要专业知识和技巧的情况下让用户能形成语义的查询,提出了一种基于本体可以在结构化的知识库里检索语义网文档的算法.通过将自然语言查询术语映射到词汇意义来构造查询本体,以及检索跟查询本体最相似的语义网文档,提高了对语义网文档检索的查准率,使用户能更好地利用语义检索服务.     

语义信息检索框架设计及其算法研究

传统信息检索信息资源缺少统一的语义描述,用户难以查找到与需求相关的资源,导致查询精确度较低,针对这一缺陷,实现语义级的信息检索的研究成为目前研究的热点。在现有的语义信息检索方法的基础上,提出了一种新的基于语义网的语义信息检索框架,详细描述框架的三大模块,并针对该框架结构以及语义网技术对语义检索的算法进行研究,给出实现语义检索的算法。该算法对本体树进行深度优先遍历,得出准确的查询结果,提高了信息检索的查全率。     

基于HowNet的信息量计算语义相似度算法

语义相似度计算的应用范围广泛,从心理学、语言学、认知科学到人工智能都有其应用.提出了仅依赖于知网(HowNet)的信息量计算来估计两个词汇间的语义相似度.经实验证明,相比于传统的基于词网(WordNet)和大型语料库的计算信息量来估计语义相似度的算法,本文的算法更容易计算,并更接近于人工的语义相似度判断.     

基于知网的概念匹配细粒度化研究

基于知网的语义结构,构建了具有添加和删除特点的语义树,使概念的匹配粒度实现细化,并给出了概念语义树匹配算法。实验结果证明了算法的有效性,较好地解决"关键字障碍"和语义歧义性问题,提高查全率。     

社会语义网社区发现标签传递算法研究

针对在线社会网络的特性和现有社区发现算法的不足,提出一种基于语义网技术的在线社会网络社区发现算法ISLPA(Improved Semantic Label Propagation Algorithm),即一种适用于大规模在线社会网络的社区发现和标识算法。ISLPA算法对语义标签算法SemTagP进行改进,在社区划分过程中将在线社会网络视为有向加权图,通过语义网和社会化标签技术,充分结合在线社会网络丰富的语义信息和网络拓扑特征进行社区划分。ISLPA算法不需要预先设定社区数量和大小,就能实现社区发现,并能根据标签自动识别划分的社区。算法接近线性时间复杂度,具有较高的效率。通过实验表明,ISLPA算法能有效划分和标识真实在线社会网络。     

协同过滤推荐算法及其在电子商城中的应用

电子商城网站如何根据消费者过往的消费记录和浏览记录等信息知识,自动判断对该消费者有实际需求的商品,显得很有必要。分别针对协同过滤推荐算法中的基于用户和基于物品的协同过滤的原理和推荐函数进行分析、设计,在垂直类的电子商城中通过应用这些协同过滤推荐算法分析用户的潜在消费市场。     

Secure and Light Weight Elliptic Curve Cipher Suites in SSL/TLS

In the current circumstance, e-commerce through an online banking system plays a significant role. Customers may either buy goods from E-Commerce websites or use online banking to move money to other accounts. When a user participates in these types of behaviors, their sensitive information is sent to an untrustworthy network. As a consequence, when transmitting data from an internal browser to an external E-commerce web server using the cryptographic protocol SSL/TLS, the E-commerce web server ensures the security of the user’s data. The user should be pleased with the confidentiality, authentication, and authenticity properties of the SSL/TLS on both the user’s web browser and the remote E-commerce web server. E-Commerce web servers should choose the best SSL/TLS cipher suites for negotiating the user in order to attain such optimistic scenarios, as the cipher suite used in SSL/TLS plays an important role in securing E-Commerce web servers. The paper primarily focuses on analyzing the SSL/TLS cipher and elliptic curves. The paper also recommends the best elliptic curve cipher suites for E-Commerce and online banking servers, based on their power consumption, handshake execution time, and key exchange and signature verification time.     

Equilibrium of E-markets populated with reputation oriented learning agents

In this paper, we propose reputation oriented reinforcement learning algorithms for buying and selling agents in electronic marketplaces. We consider the fact that the quality of a good offered by multiple selling agents may not be the same, and a selling agent may alter the quality of its goods. In our approach, buying agents learn to avoid the risk of purchasing low quality goods and to maximize their expected value of goods by dynamically maintaining sets of reputable and disreputable sellers. Selling agents learn to maximize their expected profits by adjusting product prices and optionally altering the quality of their goods. This paper focusses on presenting results from experiments investigating the behaviour of an e-market populated with our buying and selling agents. Our results show that such a market can reach an equilibrium state where the agent population remains stable, and this equilibrium is optimal for the participant agents. Thomas Tran, Ph.D.: He is an Assistant Professor in the School of Information Technology and Engineering at the University of Ottawa. He received his Ph.D. from the University of Waterloo in 2004. His current research work is on Multi-Agent Systems, Intelligent Agents, Reinforcement Learning, Trust and Reputation Modelling, Agent Negotiation, Mechanism Design and Applications of AI to E-Commerce. Robin Cohen, Ph.D.: She is a Professor in the School of Computer Science at the University of Waterloo. She received her Ph.D. from the University of Toronto in 1983. Her current research work is on User Modeling, Intelligent Interaction, Multi-Agent Systems, Adjustable Autonomy and Mixed-Initiative Systems and Dialogue, including Applications to E-Commerce.     

Mining interval sequential patterns

The main task of mining sequential patterns is to analyze the transaction database of a company in order to find out the priorities of items that most customers take when consuming. In this article, we propose a new method—the ISP Algorithm. With this method, we can find out not only the order of consumer items of each customer, but also offer the periodic interval of consumer items of each customer. Compared with other previous periodic association rules, the difference is that the period the algorithm provides is not the repeated purchases in a regular time, but the possible repurchases within a certain time frame. The algorithm utilizes the transaction time interval of individual customers and that of all the customers to find out when and who will buy goods, and what items of goods they will buy. © 2005 Wiley Periodicals, Inc. Int J Int Syst 20: 359–373, 2005.     

基于P2P网络的协同过滤推荐算法的研究与实现

协同过滤算法是当前电子商务推荐系统最有效的信息过滤技术之一。而传统协同过滤算法的最大弱点是可扩展性问题，随着用户数量以及商品项目的增加，计算复杂度的快速增长导致大规模电子商务系统的可扩展性问题．本文提出了一种基于P2P网络协同过滤推荐算法方法，采用对等计算的方法进行用户数据库的管理和评分预测工作，该系统充分利用P2P网络对等计算的优点，采用了多生成树的路由算法。实验数据表明了我们采用的基于P2P网络的分布式协同过滤方法较传统集中式算法有更好的可扩展性和预测准确性．     

面向在线交易日志的用户购买行为可视化分析

在线交易日志,即用户通过电商平台购买商品产生的交易记录,包括用户、商品、交易及商家的相关信息,反映了用户的购买行为.现有的可视化方法未能充分结合在线交易日志的时序、层次、地理、多维等特征,实现对用户购买行为的多角度分析.对此,本文结合交易日志的多个特征,提出了基于径向布局的复合时序可视化方法和融合空间信息的时间轴可视化方法,设计了颜色极值映射方法和规律映射方法,并基于上述方法,设计并实现了面向在线交易日志的用户购买行为可视化分析系统UPB-VIS,从而完成了单个用户和用户群体购买行为的全方位分析.最后,通过在京东商城在线交易日志数据集上的实验证明了系统的易用性和相关可视化方法的有效性.     

ECDSA在电子商务中的应用

在当今的电子商务领域中,广泛使用RSA签名算法来保护信息的安全。随着MD5算法被破解,SHA-1算法受到挑战和ECDSA在理论上日益成熟,电子商务的安全需要ECDSA护航。本文首先提出了改进的ECDSA算法并设计伪代码,然后详细讨论ECDSA在电子商务领域中的应用。     

在线商品的潜在语义信息提取及分类研究

在基于Web的电子商务数据挖掘过程中,如何从大量的商品交易记录中发掘出有用的信息是目前研究的主要课题,通过对目前网络交易的商品名称信息的特征进行分析,使用自定义的网页抓取工具获取在线商品交易的信息,分词处理后使用潜在语义分析方法对数据集的类别进行分析,实现了一个商品类别分类算法.从划分结果来看,该算法能较好地清除冗余信息,有效地区分不同类别的商品.     

电子商务技术发展综述

本文首先阐述了电子商务的定义，并且重点介绍电子商务技术发展的三大阶段：传统电子商务，电子数据交换和Web电子商务三大阶段．并向智能电子商务技术发展的趋势。     

Combining intra-image and inter-class semantics for consumer image retrieval

Unconstrained consumer photos pose great challenge for content-based image retrieval. Unlike professional images or domain-specific images, consumer photos vary significantly. More often than not, the objects in the photos are ill-posed, occluded, and cluttered with poor lighting, focus and exposure. In this paper, we propose a cascading framework for combining intra-image and inter-class similarities in image retrieval, motivated from probabilistic Bayesian principles. Support vector machines are employed to learn local view-based semantics based on just-in-time fusion of color and texture features. A new detection-driven block-based segmentation algorithm is designed to extract semantic features from images. The detection-based indexes also serve as input for support vector learning of image classifiers to generate class-relative indexes. During image retrieval, both intra-image and inter-class similarities are combined to rank images. Experiments using query-by-example on 2400 genuine heterogeneous consumer photos with 16 semantic queries show that the combined matching approach is better than matching with single index. It also outperformed the method of combining color and texture features by 55% in average precision.