基于语义P2P信息共享的技术研究

本文引入语义的概念,通过计算结点间的语义相似度,构建了基于语义的P2P局部性网络模型并设计了基于语义的推荐式搜索算法.该算法能根据搜索请求中的语义信息,把网络中的结点推荐给搜索源结点.系统实现表明,基于语义P2P的信息检索,能够减少搜索在P2P网络中的回路,从而减少P2P网络中的重复消息数量,提高了检索的效率.     

非结构化P2P网络的增量式查询

基于非结构化P2P网络的应用日益广泛,参与共享资源的节点越来越多,且呈海量增长趋势.如何在海量节点、海量资源的情况下,对同一查询语义进行增量式查询,是一个重要而颇具挑战性的问题.提出了一个通用的近似依相关性大小的非结构化P2P网络增量式查询算法模型,该算法模型使得针对同一查询语义的增量式查询尽力优先访问与语义最为相关的节点,从而在完全分布式的P2P网络中获得类似Google[1]的依据资源相关性排序显示及其"下一页"的功能.     

基于分类节点的P2P语义路由模型

对于P2P语义覆盖网络,语义信息的维护和智能路径的选择是实现的难点。根据小世界原理,提出了一种新的基于节点分类划分的P2P语义路由模型。通过建立节点本体来描述节点的网络结构和节点下的内容项,在此基础上创建了路由消息格式和节点分类划分的方法,然后创建了支持内容语义查询的节点内相关性内容查询算法和节点间消息路由算法。通过实验对比,该语义路由模型能够提高P2P系统下的内容查找速度并且能够显著降低占用的网络带宽。     

基于语义划分的P2P搜索技术研究

由于目前大多数结构化P2P都采用DHT技术,而DHT算法只能进行精确查找且命中率较低。为了提高查全率,文中提出一种基于语义划分的P2P搜索方法,通过空间向量模型利用资源文档的多个关键字建立文档的语义相似角,在Chord环的基础上增加一个基于语义相似角排列的语义环,首先利用Chord进行精确查找,当精确查找失败时转入语义环进行模糊匹配,从而通过Chord精确查找和语义模糊匹配的融合实现智能搜索,提高查全率。仿真实验表明：本算法实现了高查全率;在小规模稳定网络中能实现效率搜索。     

P2P环境下基于语义的Web服务组合研究

利用OWL-S语言描述Web服务,在组合操作中加入语义信息,实现了Web服务组合的自动化。为了提高Web服务的搜索速度,采用Chord路由算法。构建了一个P2P环境下基于Chord网络的Web服务组合模型,在其上实现了基于语义的Web服务组合,最后通过实例给出了语义Web服务自动组合过程。     

分布非结构化P2P网络资源定位研究

P2P系统是一个分布式系统,其中的资源如何进行定位是一个重要的问题。通过对分布非结构化P2P系统的搜索机制以及现有的改进方法的研究,给出了一种基于语义路由改进算法,并对此算法进行了模拟仿真。     

TBSN:一种基于分类层次的P2P网络

构建语义覆盖网络是支持基于语义的搜索、提高P2P网络查找性能和可扩展性的重要手段.现有的基于分类层次的P2P语义覆盖网络并不能充分利用分类层次所包含的语义信息,为此提出了一种基于分类层次的P2P网络(TBSN),该网络充分考虑遵循某种分类层次的数据源的特点,能够利用分类层次所包含的语义信息,动态地将peer节点聚簇成不同的语义簇,语义簇之间根据语义关系建立相应的语义路由,从而形成了一种基于语义的P2P网络.每个语义簇由一个super-peer节点和多个peer节点组成,仅负责回答其语义子空间上的查询.查询根据语义首先被路由到可能有结果的语义簇中,然后转发给相关的peer节点,从而减少查询所涉及的节点和消息的数量,提高了网络的性能.实验表明,TBSN网络在查找性能和开销之间取得了良好的平衡,同时较好地保持了语义簇之间的负载平衡和簇中数据之间的语义关系.     

基于语义扩展的P2P网络

针对当前P2P系统中多数为媒体文件,而对应描述信息有限的问题,提出了一个通过Web信息挖掘来扩展语义的算法.同时提出了一个基于语义跳表的多层环网络结构,帮助用户进行相关内容推荐.实验表明,用本文所提出的方法,在消息量很小的情况下,与传统的基于中心服务器的检索精度很相近,具有实用价值.     

TH-Ring: 一种基于语义的结构化P2P网络

构建基于语义的P2P网络是支持基于语义的查找和提高网络性能的重要手段.考虑遵循某种分类层次的数据源的特点,提出了一种基于分类层次语义空间的P2P网络(TH-Ring),并给出具体实现算法. TH-Ring根据广度优先遍历算法对分类层次语义空间进行编码,为新加入的Peer提供PeerID的高32位.数据项根据所属分类加入到环中,同一个分类的数据项存储在环上连续的Peer上,这些Peer的PeerID高32位相同,低32位不同. Peer根据数据负载分布动态地加入或离开环. Peer之间根据PeerID的高32位建立路由关系,从而形成了一个基于语义的P2P网络.实验表明,TH-Ring具有良好的可用性和扩展性,而且数据项插入后的负载平衡维护代价相对很小.     

P2P网络中基于语义和信任的资源发现算法

P2P对于分布式文件共享具有很好的前景,但当前的P2P系统仍然缺乏有效的信息管理机制。该文在构建超级节点叠加网络时考虑信任和语义的因素,语义相似的节点尽量分布在同一个域中。在选取超级节点时考虑信任值、节点能力及动态性等因素,提出一种高效的基于语义和信任机制的P2P资源发现算法。     

基于本体的P2P网络资源检索算法研究

为使基于DHT的结构化P2P网络支持语义检索,提高查全率,提出一种基于DHT和本体的搜索方法SOC (semantic ontology chord).针对结构化P2P网络搜索时只能根据关键词精确匹配的缺点,改进了DHT中的资源标识符,利用本体技术进行模糊搜索,并使兴趣相似节点在逻辑上处于邻近位置,提高了P2P网络中资源检索的查全率.使用Peer-Sim模拟器进行了仿真模拟,仿真实验结果表明,随着网络规模的增加,该搜索方法相比Chord模型具有较高的查全率.     

一种基于分组的语义对等网络

以语义网络理论为基础,结合GCNET拓扑结构,提出一种基于分组的语义对等网络——Semantic GCNET,充分利用GCNET网络具有小世界特征的优点,确保其搜索限制在与查询主题相关的局部节点子集中,解决其他一些语义对等网络对主题群搜索低效的问题,克服一些语义对等网络仅支持精确匹配查找的缺点。实验结果表明,Semantic GCNET具有高效的语义查询性能和查全率。     

考虑搜索行为与节点内容的P2P搜索方法①

针对基于兴趣驱动的P2P搜索方法在挖掘节点兴趣和扩展搜索兴趣的上下文语义等方面不足,改进Social-P2P算法,给出考虑搜索行为和节点内容的P2P搜索方法。引入概念格理论,根据节点内容和用户搜索行为建立朋友列表,以朋友列表为形式背景构造概念格,建立兴趣域。搜索消息在概念格内查询,缩短搜索路径和减少搜索消息,概念偏序关系扩展查询消息的上下文语义,增强搜索精确度。实验验证该方法比Social-P2P搜索方法和泛洪搜索方法具有更好的召回率和精确率。     

SSON：一种基于结构化P2P网络路由的语义覆盖网络结构

本文基于结构化P2P网络路由机制,采用基于主题划分的方法,提出了基于结构化P2P网络路由的语义覆盖网络SSON。SSON通过结构化P2P网络的标识符映射机制,根据资源类别将结点组织成层次化的覆盖网络,该覆盖网络结构确保搜索限制在与查询主题相关的局部结点子集中。该结构充分利用了结构化P2P网络的优点,解决了基于非结构化P2P网络建立的语义覆盖网络的对主题群的搜索低效问题,同时克服了结构化P2P网络仅支持精确匹配查找的缺点,为结构化P2P网络提供了可靠、高效的语义查询机制,极大地提高了查全率。     

基于兴趣关联的对等网反垃圾邮件过滤模型

提出了一个基于用户兴趣关联的P2P(peer-to-peer)反垃圾邮件过滤模型,它通过使用一个基于相似兴趣自动聚集的查询算法,从而让这种无结构的网络变成一个具有相似兴趣的语义网络,使得本模型能很快地得到查询结果,提高了过滤效果,节省了资源,且具有较高的灵活性,弥补了当前协作式过滤模型的不足.     

基于P2P的隐含语义索引模型的研究

P2P作为一种新型的网络结构正受到越来越多的关注。目前在大多数P2P网络中的信息检索方法都是依据关键词匹配,通过查询请求与信息标识之间的简单匹配关系来获得查询结果。但是关键词匹配会产生很多用户不需要的结果。隐含语义索引是基于文本语义的检索模型。为提高系统的查准率,扩展在P2P下的查询方式,本文提出了在P2P网络中引入隐含语义索引模型进行信息检索,并模拟实现了一个基于P2P网络的隐含语义索引模型的试验平台。     

基于P2P的语义检索系统设计

P2P是近年来网络研究领域的热点。当前P2P网络的研究多集中在文件共享的应用,其检索机制只支持基于关键词的查询,缺乏对语义检索的支持。本文将语义网技术和P2P的优点结合起来,建立P2P网络的语义检索机制。通过建立基于本体概念的分布式倒排索引,使检索过程不再是关键词的精确匹配,而是通过不同节点本体中的概念之间的语义关系的逻辑推理实现检索请求与文档在语义上的匹配。实验表明,本文提出的结构化P2P网络语义检索方法,比基于关键词精确匹配的检索方法有较高的查全率和查准率。     

元数据在P2P网络下查询改进中的应用

针对P2P网络中由于查询条件的弱语义和粗粒度、检索效率低下以及网络带宽消耗的问题提出了一个基于元数据的高效查询算法,通过在任意P2P数据管理层的基础上建立一个统一的元数据层,各个节点自动抽取共享数据的详细的元数据信息,每个节点不仅保存本地共享数据的元数据信息,而且存储访问过的最感兴趣的数据的元数据信息,并使用数据库对元数据信息进行高效管理,从而使所有节点都具有自我学习的能力,充分利用元数据信息提高检索效率。