一种快速的XML语义检索算法

传统基于关键词的搜索引擎不能充分利用XML文档的结构信息,搜索结果往往不精确;而基于结构信息和关键词的XML搜索技术又不适用于普通用户.基于关键词的XML语义检索克服了以上缺点,但需要提高检索效率.本文深入分析了XML文档结构潜藏的语义,提出了新的索引结构及两结点语义相关的判断函数,在此基础上提出了一种快速的XML语义检索算法,该算法大大减少了结点对语义相关的判断次数.对实际数据集的测试实验结果显示出新算法的有效性.     

基于本体和奇异值分解的图像数据索引查询算法

提出一种基于领域本体潜在语义索引和奇异值分解的图像数据查询算法,将查询扩展向量映射到潜在语义空间,根据相似度计算方法计算查询向量与图像文档之间的相似度,并将相似度大于阀值的文档作为检索结果降序排列返回给用户.该算法能更有效地提高图像检索的查准率和查全率.     

基于两阶段查询重写的XML近似查询算法

提出了基于两阶段查询重写的XML近似查询算法.该算法不仅能够返回精确查询结果,而且能够返回带有相似度分值的近似结果序列.首先,通过模式重写策略,将原始查询树改写为多种XML DTD(文档类型定义)下的重写查询树,从而解决了XML数据的多样性带来的查询语义缺失问题,接着,利用基本变异操作得到的变异查询树对XML数据树完成精确嵌入,可将XML近似查询的问题转变为多棵变异查询树的精确查询问题,并给出了基于XML数据统计的相似度计算模型和Top-K问题求解的优化算法.最后,在汽车外形智能化设计的实验中表明该算法优于SSO算法.     

基于DBSACN聚类算法的XML文档聚类

为了满足对XML文档集合进行数据挖掘需求,本文提出了根据XML文档树的语义信息和结构信息来计算其结构相似度,通过结构相似度构造其结构相似度矩阵,在此基础上应用DBSCAN算法来对XML文档集合进行聚类.与其他聚类算法相比,其聚类的速度得到了很大的提高.     

关于语义网的学习资源推荐算法研究

网络资源学习推荐算法是利用用户搜索提供的关键词和文档查询方式,来收集用户需求的学习资源集合及核心概念集合,根据概念间的关系分别对用户评价的学习资源集合语义相似度及核心概念间语义相似度进行计算,并以此相似度值来决定用户偏好的相似性,找到该偏好相似的最近邻居,以实现协同推荐学习资源。同时,应用学习对象概念来降低计算相似度的复杂性,并将此法用于计算语义网的学习资源推荐体系中,结果显示,此计算法能够改善资源推荐的效果,资源及新用户注册数量均显著增加。     

基于词频-逆文档频率和法律本体的相似案例检索算法

智慧检务是近年来研究的热点问题,而相似案例检索是智慧检务中公共法律服务模块的基本需求.传统的基于关键词的检索方式使案例的相似性仅局限在浅显的词语层面上,无法满足用户在文章和语义层面上的检索需求.针对公共法律服务中的相似案例检索问题,该文以公共法律服务案例为研究对象,引入能够突出法律语义的案例要素,并以其为依据为案例建模,提出了一种基于语义的相似案例检索算法.该算法首先结合词频-逆文档频率和法律本体,提取出语料库中全部案例要素,再基于向量空间模型,通过欧氏距离计算出用户输入案例和语料库中各案例的相似程度,从而实现语义层面上的相似案例检索.通过对12348中国法网司法行政(法律服务)案例库中案例的分类实验可知,与传统的词频-逆文档频率提取关键词方法相比,该算法在监狱教改类案例分类上,其F1值提高了 36.36％.     

基于特征融合的主观题智能阅卷算法研究

为了实现主观题智能阅卷,本文提出了一个基于多特征融合的主观题智能阅卷算法.首先,分别设计两种算法:关键词相似度算法和语义相似度算法,计算学生答案和标准答案之间的关键词相似度和语义相似度;然后,以题目的 题型和科目作为特征值,分别计算出两相似度的权值,并利用权值计算出学生答案的得分实验表明,本文提出的算法,能有效主观题智能阅卷算法的准确性,具有较好的应用前景.     

基于多特征融合的主观题智能阅卷算法研究

为了实现在线考试主观题智能阅卷，本文提出了一个基于多特征融合的主观题智能阅卷算法，首先，分别设计两种算法：关键词相似度算法和语义相似度算法，计算学生答案和标准答案之间的关键词相似度和语义相似度；然后，利用题目的题型和科目作为特征值，分别计算出关键词相似度的权值和语义相似度的权值，并利用两权值计算出学生答案的最终得分；最后，以某在线学习平台历年考试数据作为数据集，对该主观题智能阅卷算法进行训练和实验。实验表明，本文提出的基于多特征融合的主观题智能阅卷算法，能有效主观题智能阅卷算法的准确性，具有较好的应用前景。     

云环境下的语义本体构建及其在语义检索中的应用

随着云技术的广泛应用,云环境下的语义检索也逐渐成为重要的研究内容,而语义本体构建是首先需要解决的问题.本文首先提出了一种基于相似度计算的数据部署策略,综合考虑了概念之间的结构相似度和语义相似度,将对象数据最优化的部署到不同的虚拟机分别构建语义本体,并给出了相应的语义检索算法.     

基于树状结构的语义相似度计算方法分析

文中提出了基于树状结构的语义相似度计算方法.结合概念节点之间的语义关系、语义距离、概念节点的深度、密度对语义相似度的影响,利用树的层次关系来表达概念节点之间的语义信息,并对概念节点密度的计算进行改进,加入了可调节的参数,以适应不同的情景.通过实验验证了该算法在查准率方面具有较强的优越性.