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。     

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.     

一种支持复杂查询的有组织P2P搜索方法

有组织P2P网络虽然具有良好的可扩展性，但很难支持多关键词查询、范围查询等复杂查询．在分析已有多关键词查询方法（MKQ）的基础上，提出一种基于语义的多维查询方法（MSQ）以支持多关键词查询．MSQ的基本思路是利用空间填充曲线的位置保持能力，建立从高维特征空间到一维数值空间的映射，使得可以在构建P2P网络的分布式索引时，根据文档语义将具有相似内容的数据对象的索引聚集到相近的节点上，改善复杂查询时的搜索性能．对基于语义的多维查询模型、Hilbert空间填充曲线的构建、数据对象的发布与查询过程进行了详细讨论．在Chord之上的模拟试验表明．与MKQ相比，MSQ能够较好地提高查询的准确度．减少了网络的通信量．进一步的理论分析的结果表明，MSQ方法具有负载均衡和容错能力．     

基于语义查询的P2P路由模型研究

针对结构化P2P网络路由模型中存在难以有效支持内容定位的问题,提出基于语义查询的P2P路由模型.利用概念向量来描述文档、节点、簇和查询请求;通过节点概念向量间的相似度聚成不同层次的语义簇,并采用基于概念相似度计算进行路由选取和转发的路由策略;利用节点的异构性,让性能好的超级节点承担更多的工作量,并引入服务节点便于快速导航语义簇中的语义类别.实验结果表明,该路由模型能有效提高系统的搜索效率.     

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Gnutella协议与划分技术的P2P网络模型的设计与实现*

Peer-to-Peer是一种很有发展潜力的网络技术,在对等计算、协同工作、搜索引擎、文件交换等领域有很好的应用前景。在传统的P2P网络模型中,网络上的所有主机不管它们所处的距离远近,它们的地位都是一样的,这在实际应用中却行不通。针对这种情况,在新的模型中将网络划分为不同的子网,子网内与子网外的主机分别对待。在子网内,采用IP多播技术自动定位主机节点;在子网外,则采用手工输入和自动发现相结合的方法来定位主机节点。在查询机制中,也对内部网络和外部网络采用了不同的查询方法并用Java实现了该模型。     

P2P信息检索及其优化策略

本文研究对等计算（P2P）环境中语义丰富的信息检索及其优化策略，提出了P2P信息检索系统（PIRS），实现了P2P环境中语义丰富的信息检索，定义了一套评价PIRS效率的指标体系；明确了决定PIRS效率的关键因素并提出相应的解决策略，包括：基于向量空间模型的节点数据分类管理策略、基于节点聚类的系统数据管理策略以及自适应查询路由策略，并用实验结果验证了这些策略的有效性。     

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.     

基于匹配路径和概率平衡树的P2P语义路由模型

语义路由是P2P路由技术的关键研究内容之一.智能化路由策略语义表达灵活,但可扩展性和查全率较低;语义覆盖网络可扩展性好,但要么难以组织,要么维护开销很大.提出一种新的基于匹配路径和概率平衡树的P2P语义路由模型(match path and probability balance tree,简称MPPBTree),通过层次化和匹配路径组织资源存储结构和节点排布方式,达到一种近似平衡的分布特征,使节点能够根据查询内容本身进行路由决策,并同时保持较低的维护开销.模型支持灵活的语义搜索,拥有良好的可扩展性,保证任意节点的路由都能覆盖全网络.模型不要求任何中心服务的存在,所有的节点只需维护少量局部信息,且都会同时承担索引、存储、中继的功能,以均摊系统运行的负荷.     

SOSC:一种基于自组织语义聚类的P2P查询路由算法

在没有辅助机制的条件下,非结构化P2P网络资源定位技术的效率比较低,很难同时获得较低的查询延迟、少量的定位成本和较高的查询命中率,为此,提出了一种基于自组织语义聚类的P2P查询路由算法SOSC.SOSC算法通过直接用节点共享资源的关键词频率向量表达节点语义,各节点均试图与最相似的节点建立邻居关系,以及以指数衰减方式传递...     

基于重定向机制的结构化P2P网络路由优化方法

论文针对结构化P2P网络overlay层面路由计算导致网络层面路由性能较低的问题,提出一种基于重定向机制的路由优化算法。它通过重定向机制使节点逐渐收集同一子网内的节点信息,并将同一子网内的节点作为邻居,从而显著降低平均查询路径长度,而不加重网络负担。该方案能够极大地提高结构化P2P网络路由性能,从另一个角度解决overlay层面与网络层面的不匹配问题。     

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。     

基于描述逻辑的语义P2P网络构架及资源定位

随着网络资源的日益增长，以及人们查询要求的复杂化，如何合理地在P2P网络中分配和查询资源已经变得极为重要。本文计划基于描述逻辑介绍一种应用在语义P2P网络上的算法思想，以期实现资源的概念化分布，使基于语义的查询和检索变得简单。我们的算法采用Chord算法的相客散列思想，将资源的关键字和资源所在节点的IP地址散列为相同的数据类型来进行实例选择。除此之外，每个节点拥有自己的本体系统，并将与其他节点交换CHG来达到知识库的完备。由于在CHG中所有的概念拥有同一个根结点，所以不停地向层次分类的概念树上层节点询问，一定可以找到目标资源的信息。     

一种P2P网络环境下的OLAP查询方案

传统网络环境和P2P环境中,客户端向OLAP服务器提交OLAP查询,并从服务器获取查询结果,OLAP服务器的负载将随着客户端的增加而急剧增加。设计了一种基于P2P（Peer-to-Peer,点对点技术）技术的DQDC（Distributed Query Data Cube,多维数据集的分布式查询）算法,实现P2P网络中语义级的多节点Data Cube数据共享,从而提高系统整体的决策分析性能。     

以访问频率为路由方向感的无结构P2P搜索

在全分布无结构P2P中,节点通常组织成为覆盖网络,通过查询消息在网络中广泛转发实现盲目搜索。由于数据存放位置独立于数据内容,一个节点并不清楚哪些节点更容易命中查询,因此发现路由方向感,提高查询消息转发有效性,对全分布无结构P2P搜索具有重要意义。在相关工作中,主要从用户兴趣、本体论等语义角度聚类用户,减小搜索范围。但当前语义获取和语义描述等工作还不甚成熟,因此这些方法并没有得到广泛采用。提出了一种以访问频率为路由方向感的新型搜索方法QRRO。在QRRO中,每个节点被分配一权重标识;节点仅仅为访问频率与节点权重接近的数据建立索引;基于访问频率建立存储内容和存储位置之间的藕合关系,形成路由方向感。模拟实验表明,QRRO在提高搜索成功率、降低搜索路径长度方面是有效的。而且,由于访问频率是每个文件都具有的非语义属性,因此QRRO具有通用性。     

基于移动代理的结构化P2P网络模型

为了符合实际P2P网络中的节点异质性的情形并支持语义查询,在分析自组织网络模型和双层结构化P2P网络模型以后,提出了一种基于移动代理的结构化P2P网络模型AS-P2P.理论分析和模拟实验结果表明,在加入了移动代理转移资源索引和使用双层结构化P2P网络区别节点能力以后,AS-P2P更加适应动态网络,并具有平均查找长度短,超级节点上负载均衡和资源索引分类等优点.     

面向P2P文件共享应用的相似度计算模型

P2P文件共享应用逐渐成为互联网中的主流应用,它们都部署了各自的内容分发网络用于文件的发布与查找。基于内容分发网络,提出了一个节点间相似度计算模型。模型充分挖掘了节点拥有的文件的元信息,在进行相似度计算时将文件名、文件长度、文件类型按照不同的权重进行计算。将模型的求参问题形式化为一个有约束的最优化问题,并以eMule应用为例,对其模型参数进行了确定。相似度计算模型引入了节点的语义信息,可应用于改善内容分发网络的物理拓扑,从而提高其查询性能与路由性能。     

基于语义路由的P2P信息检索

高效、稳定的P2P信息检索机制已经成为了研究的热点。现有的搜索方法包括使用广播方式或者分布式哈希表。基于分布式哈希表的方法虽然可以获得很好的查询性能，但是不支持近似查询，区间查询、而使用广播方式效率又低，引入语义路由，能很好地解决这些问题。语义路由是一种对广播搜索进行修剪的方法，将查询请求有选择的发送给能响应请求的节点。论文中介绍了语义路由机制，提出了基于该机制的P2P检索系统体系结构，最后使用NeuroGrid进行了仿真，实验结果显示使用语义路由可以提高查询效率。     

P2P网络中基于增量学习的节点聚类

本文研究了p2p网络中基于内容的节点聚类。基于文件名关键词精确匹配的查询没有考虑文本语义及内容相似性。如果能够根据节点发布内容的相似性,建立节点聚类,信息查询在类内进行,必将提高查询效率。本文提出了一种基于增量学习的节点聚类方法,通过兴趣爬虫代理计算节点得分,据此判断一个节点是否可以加入节点簇。实验表明,节点簇的建立可以有效地提高 p2p 网络的查询效率。     

一种基于K-means聚类分组的P2P超结点模型

本文面向网格计算、协同工作等特定P2P应用、提出了一种基于超节点的P2P混合网络模型。该模型的主要特点是采用K-means聚类算法对网络中的节点进行聚类,从而得到分组虚拟子网,由各子网内的超节点负责临近节点的加入与注销。该模型既克服P2P集中模型伸缩性不强,分散性P2P模型发送消息量大等缺点,又可以灵活地组织对等节点进行网格计算或组内协同工作等分布式应用。文章最后使用仿真实验表明K-means算法在网络节点聚类中的有效性。