基于领域本体的网页主题相关度计算

为提高网页内容与特定主题之间相关度计算的准确度,提出一种基于领域本体的网页主题相关度计算模型OBWTCCM(ontology based webpage-topic correlation calculation model)。使用领域本体刻画主题,通过计算本体概念间的语义关系提取主题概念并构造主题语义矩阵,将特征词的统计信息与该矩阵相结合计算网页与主题之间的相关度。该模型改进了向量空间模型在相关度计算时对特征词语义层次分析的不足。实际项目应用结果表明,使用该方法计算得到的网页主题相关度与领域专家的判断总体相符,具有较理想的准确度。     

面向领域本体非分类关系的语义相关度计算方法

针对民航突发事件领域本体非分类关系的语义查询扩展问题,提出一种面向领域本体非分类关系的语义相关度计算方法。该方法在数据属性方面,提出基于属性类型和属性值的语义相关度计算方法;在对象属性方面,针对查询词与本体概念或实例存在多种对象属性问题,提出基于对象属性的语义相关度计算方法,并结合领域本体在民航突发事件案例的语义查询过程给出了该方法的实现效果分析。该方法不仅有效地提高了语义查询的准确率和查全率,也为民航突发事件的应急决策提供了更好的方法支持。     

一种用于规则QC-LDPC码的高效译码方法

针对一类规则QC-LDPC码,提出一种高效的Log-BP译码方法,通过矩阵分裂,将原监督矩阵分裂成多个小矩阵,将原本的校验节点更新运算拆分成多次处理,以降低log-BP迭代运算的复杂度,给出该方法的迭代运算顺序。与现有的log-BP译码方法相比,该方法在相同的码速率下,校验节点运算单元与变量节点运算单元总规模减小了1/3;在相同的硬件资源下,译码速率提高了1/3,且校验节点运算单元与变量节点运算单元结构趋于对称,有利于设置更少的流水线级数、获得更好的时钟性能。     

基于关系矩阵融合的多媒体数据聚类

针对目前多媒体聚类研究中如何挖掘和利用不同数据集之间统计关系的问题,提出一种基于关系矩阵融合的聚类方法,首先,对图像和音频数据集中提取的特征矩阵进行相关性分析和子空间映射,进而在全局范围内对图像相似度、音频相似度以及图像和音频的相关度进行融合与优化,最后,采用基于相似度的循环迭代算法进行图像和音频聚类.对比实验从多个角...     

基于最大公共子图的本体映射方法研究

本体映射是对两个本体中的各元素建立语义关系,而影响本体映射的关键是相似度的计算方法。针对相似度计算方法中仍存在语义关系不精准的问题,提出一种本体映射方法,把本体映射问题转化为求解最大公共子图的问题。以图结构表示的本体可更好地体现本体结构之间潜在的语义关系,应用最大公共子图提取本体中的公共部分,并用最大公共子图的性质计算2个本体中元素之间的相似度,进而得到2个本体之间的映射关系。实验结果表明,与Ctx Match,COMA相比,该方法在召回率和准确率方面都有一定提高。     

基于节点支路链矩阵的配电网动态拓扑分析方法研究与应用*

针对配电网中现有拓扑分析方法运算复杂、速度较慢、重用性较差,以及当配网规模扩大或开关状态改变时,不易及时地反映网络拓扑信息等问题,提出基于支路链矩阵的配电网动态拓扑分析方法。在系统正常运行时,采用特殊节点法将配电网划分多个支路链子图,以节点-支路链矩阵描述配网拓扑结构,借助邻接矩阵标记法与深度优先搜索原则结合完成更新后的拓扑网络的电气岛连通性分析。当支路动态变化时,根据支路属性利用方向深度优先搜索法快速地修改网络拓扑结构,局部更新节点-支路链矩阵。多个实例结果表明该方法可适应多种配电网接线结构,搜索过程中节点数量明显减少,降低了算法复杂度,提高了拓扑分析速度,为不同配网结构动态分析提供了一种有效的方法。     

基于节点相似度的加权网络社团结构划分算法

针对加权网络的社团结构划分问题,提出了一种基于节点相似度的划分算法.构造一种新型加权网络的节点相似度矩阵,基于该相似度矩阵,随机选取一个节点作为初始社团,搜索与该节点相似度值最大的节点合并成一个新的社团.反复迭代,形成划分.该算法具有较低的计算复杂度.用经典复杂网络的社团划分算例验证了该算法的有效性.     

基于领域本体的信息语义相关检索

为提高搜索引擎的语义处理能力,以旅游领域为背景,利用领域本体对知识的表示和推理能力,提出一种领域本体中基于概念格的相关度计算模型。根据该模型设计用户检索项推荐技术并予以实现。实验结果表明,相关度计算模型能充分利用本体中概念的语义信息以及实例之间的关系,得到的结果较合理。     

面向复杂产品工程知识管理的动态本体

针对复杂产品研制工程知识管理中本体应用存在的问题,提出一种基于领域本体和产品研制任务的新型本体,即动态本体.首先分析了超大本体和顶层本体在大规模工程知识管理应用中的缺点从而针对性地提出动态本体;并给出了动态本体构建的基本方法,包括相关领域本体确定、领域本体子集界定、领域本体子集映射集成等步骤.针对动态本体与任务需求的相关程度,提出了一种动态本体评价方法.最后以火箭发动机为例,从结构、热力学、工艺和气动4个领域介绍动态本体的建模,并给出了评价结果:动态本体比超大本体和顶层本体在复杂产品研制工程领域中更能适应用户需求.     

基于FCA的本体原型系统的设计与实现

经过分析本体原型系统中存在的关键问题,提出基于FCA的本体原型系统来弥补缺陷,并阐明了系统的主要特色是采用FCA技术进行本体的构建、合并、三维可视化展现,其中为了在本体展现中简化概念格的显示,提出子概念格的判定方法。最后通过实例,从领域中生成了所有隐含的本体概念,形成了概念之间的上下级关系,结合相关性几率模式给出了非层次级概念之间的相似性以及概念与对象之间的相关度,从而提高了用户在本体中的查询效率。     

小规模频繁子电路的规律性预提取算法

针对数字IC规律性提取算法复杂度过高的问题,提出一种逐级对根节点进行分类的算法.通过对频繁边的直接扩展,实现了小规模频繁子电路的快速提取;利用门级电路中小规模频繁子电路与大规模频繁子电路间的结构依赖性,解决了候选子电路生成时根节点组合爆炸的问题.实验结果表明,该算法能够降低根节点的数量,使支持度高的候选子电路得到优先提取,并显著地减少了规律性提取的时间.     

基于语义相似度的领域本体概念更新方法研究

随着信息的快速更新,知识本体经常不能满足用户的需求,提出了一个能把新关键词插入到相应本体中的领域本体更新方法。该方法用LSA(潜在语义分析)来获取关键词的语义特征,然后把LSA矩阵转换成基于Web文档的高维空间。通过比较高维空间中关键词和相应本体概念来获取关键词和概念之间的相似值,如果这个值低于某个设定值,这个关键词就插入到领域本体概念节点中。初步的试验结果表明了这个方法的有效性。     

基于认知广度和深度的个性化信息检索模型

受心理学激活-扩散模型的启发,提出了在领域本体基础上的用户认知结构模型。该模型依据用户提供的认知中心,一方面,根据领域本体中概念之间的语义相关性推导出用户的认知范围;另一方面,根据概念之间的语义相关度刻画出用户的认知深度。从认知范围和认知深度两方面,描述用户对某领域知识的认知结构。实验结果表明,该模型与通用本体模型相比,具有较高的查准     

基于本体的主题爬虫的研究

主题网络爬虫是专业搜索引擎的重要组成部分,设计了一种基于本体的主题爬虫框架,使用领域本体来描述爬行主题,采用关键词提取技术确定网页主题,提出了基于领域本体的网页相关度计算的公式,实践证明基于本体的主题爬虫对网页提取的准确率大大提高。     

用户子本体的提取与简化

随着本体的应用日益广泛和深入,本体的规模也会变得越来越大。特定用户往往只对本体的某个部分子集感兴趣,没有必要操作巨大的本体,因此,从本体库中提取出用户感兴趣的子本体的需求非常迫切。针对已有研究的不足,提出了一种能够保存本体层次关系的用户的子本体提取和简化方法,方法只需要用户给出的兴趣概念集即可自动输出子本体,不需要更多的人工干预,节省了用户工作量。     

领域本体中概念间语义相关度的概率估计

根据贝叶斯定理提出一种衡量领域本体中概念间语义相关度的概率模型。该模型定义在不同语义关系之上,基于极大似然估计法利用语义距离来对语义关系进行参数估计。并在此基础给出一种计算任意两个概念之间语义相关度的方法。公开数据集上的实验结果表明该方法估计出的概念语义相关度具有相当的有效性,应用在语义查询扩展中可明显提高检索效果。     

基于SimRank全局矩阵平滑收敛的网络社区发现

SimRank方法是一种基于图的拓扑结构信息来衡量任意两个对象间相似程度的方法,针对在真实的大规模社交网络中节点与节点之间的迭代计算过程需要消耗大量的时间,提出了一种基于SimRank全局矩阵平滑收敛的网络社区发现方法（SimRank global smooth convergence,SGSC）。首先,该算法通过经典度量来识别网络中的初始核心节点;然后利用矩阵平滑收敛来计算SimRank得到最终核心节点;最后,基于全局收敛矩阵,将社区聚集在核心节点周围,使用Closeness指数合并两个社区,通过递归的重复该过程,聚类出最终社区。在3种真实的不同规模的社交网络中将SGSC和其他2种具有代表性的方法进行比较,并验证了提出的算法在不同规模的社交网络中社区划分的准确率和算法运行的时间性能上有所提升。     

部分子块通讯的分布式PCA厂级工业过程监测方法

针对现代工业过程具有检测、控制变量多,且变量关系复杂、耦合严重等特点,厂级工业过程监测通常采用分块的方式建立模型.然而,实际过程中每个子块间存在物流、能流的交换和信息的传递,这种建模方式通常只利用子块本身的信息建立模型,恰恰忽略了子块之间内在的联系,可能导致子块监测模型一定程度上丢失其他子块所提供的过程信息.针对现有方法的局限性,提出一种部分子块通讯的分布式主元分析(PCA)过程监测方法.首先利用先验知识对厂级过程进行分块,增加用于描述子块间连接方式的拓扑矩阵;以迭代更新的思路,利用其他节点提供的压缩信息,按照拓扑矩阵不断更新系数矩阵,进而得到最终的监测模型;代入待监测数据后,综合考虑其余子块携带的异常信息得出监测结果.在tennessee eastman过程和加氢裂化过程中,将所提出的方法与传统分块PCA、全部子块交互的分布式PCA方法进行对比,所得结果表明了所提出方法的合理性和有效性.     

结合编辑距离和Google距离的语义标注方法*

提出了一种在领域本体指导下对网页进行语义标注的方法。该方法利用编辑距离和Google距离从词语的语法和语义两方面综合度量词汇与本体概念之间的语义相关度,从而在网页与本体之间建立映射关系。此外,对网页进行语义标注后,利用标注结果对本体进行有效扩充,使本体更趋于领域化。实验结果表明该方法是行之有效的。     

Spark环境下基于子图的异步迭代更新方法

全局同步计算模型简单易用,但是路障同步导致收敛速度变慢。以顶点为中心的异步迭代虽然提高了收敛速度,但在计算节点之间需要频繁发送信息。在Spark环境下提出一种基于子图的异步迭代更新方法。在子图之间建立异步消息通信连接后,子图能以异步方式发送数据块;通过多线程同步避免数据读写冲突,保证异步更新时顶点状态的一致性。在大规模样本数据集上分别从收敛结果、收敛速度和通信代价验证方法有效性。实验结果表明,与全局同步迭代相比,该方法有效提高了计算收敛速度。与顶点为中心的异步更新方式相比,该方法在收敛时间上略有增长,但是显著降低了通信开销。