P2P信息检索系统案例的查询处理策略

研究对等计算（P2P）信息检索系统中基于案例的查询处理策略。首先面向对等计算信息检索系统,提出了基于案例查询的概念;接着深入研究该策略的理论机制;最后阐述了该查询策略的处理过程及实现算法。     

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。     

一种超节点P2P网络中基于语义的协同缓存管理机制

超节点P2P（Super-peerP2P）结合了P2P结构和C／S结构的优点，是当前应用最广的一类P2P系统。在超节点P2P网络中，文件访问是最基本的操作，往往使用缓存技术来提高其操作效率。目前大多数超节点P2P网络使用传统的“尽力而为”的缓存机制，该机制没有区分超节点网络中不同节点对资源的需求及关注程度不同，导致偶尔访问的对象替换经常访问的对象。针对“尽力而为”缓存机制的不足，本文提出一种基于语义信息的协同缓存管理机制SCOCM（Semantic-based Cooperative Cache Management mechanism for super-peer net works），应用已经请求对象的语义信息主动地选择对象放置缓存，以兴趣度的远近驱逐缓存内的对象，减少缓存对象的替换，使得每个缓存中缓存的对象之间尽可能地保持语义联系。实验结果表明，基于语义信息的协同缓存管理机制与LRU相比可大大降低缓存的替换率，提高缓存的存取效率，命中率也较高。     

PeerIS:基于Peer-to-Peer的信息检索系统

介绍了对等计算(peer-to-peer,简称P2P)的特征、潜在优势和应用范围,指出了当前P2P数据共享系统存在仅支持弱语义(甚至缺乏语义)和粗粒度(文件水平)共享等局限性.针对这种现状,提出了基于P2P的信息检索,既可充分发掘P2P技术的潜在优势,克服传统信息检索系统的可伸缩瓶颈等问题,又可实现P2P数据共享系统语义丰富和细粒度的信息检索与共享;并开发出PeerIS:基于P2P的信息检索系统.描述了PeerIS的整体构架与节点的内部结构;重点阐述了PeerIS的通信机制、自配置机制、查询机制以及自适应路由机制等实现关键技术;并用实验证明了PeerIS的优异性.     

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。     

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.     

基于语义路由的P2P系统综述

介绍了P2P系统的发展状况，归纳了典型的结构化P2P系统模型，对结构化P2P系统中的节点拓扑结构、语义路由算法、数据存储和共享、应用层多播等热点问题进行了讨论，介绍了非结构化P2P系统的语义路由过程，总结了当前主要的基于语义路由P2P系统的优缺点，并据此提出了该领域的发展趋势。     

基于蚁群算法的P2P分发网返源规划

在P2P分发网中,返源策略是影响整个系统吞吐量和带宽利用率的关键技术之一.为了提高节点数据下载阶段的效率及系统总吞吐量,目录服务器需基于先前收集的信息并采用返源策略对系统中各节点之间的连接进行规划.通过描述返源规划问题的模型,提出了一种基于蚁群算法的规划策略来提高互相连接的节点之间数据块的可交换性.仿真结果表明,新算法可以最大化连接节点内容的互补性,继而减少了数据下载时间,提高了系统吞吐量,大大改善了P2P分发网的整体性能.     

基于语义网的节点关联的P2P搜索

分布式的无组织性的Peer-to—Peer（P2P）网络信息检索和查找系统由于不需要集中的目录管理和数据存储最近成为研究的热门。提出了一个高效的能增加搜索概率的P2P搜索算法，它的关键是把提供数据的节点聚合在一起组成一个关联网络。节点的关系由关联度来决定。     

有效的结构化P2P信息检索

在分析了以往P2P系统信息检索基础上,针对结构化P2P检索存在的问题,提出了一种有效的结构化P2P信息检索.结合利用向量空间模型(VSM)技术和位置敏感散列(LSH)技术,使得语义内容相似的文挡易于分布在相同的节点上,提高了搜索速度.同时采用了本体知识,增强对用户请求的语义理解,提高了搜索性能.     

基于语义的数据库关键词检索系统

数据库关键词检索技术是当前的一个重要研究方向,它结合了传统数据库结构化数据存储效率高和信息检索系统非结构化数据检索方便高效的优点。本文介绍一种基于语义的数据库关键词检索系统的设计与实现,该系统以企业级应用开发标准J 2EE为基础,结合数据库技术、语义Web技术和关键词检索技术,可实现关系数据库的语义理解和关键词检索。对系统实现涉及的主要技术点：倒排索引、概念相似度和语义计分公式进行了深入分析,提出一种改进的倒排索引结构和一个新的基于语义的信息检索计分公式。     

P2P数据管理

P2P(peer-to-peer)技术是未来重构分布式体系结构的关键技术,拥有广阔的应用前景.P2P系统的大多数问题都可归结为数据放置和检索问题,因此,P2P数据管理成为数据库领域活跃的研究课题.当前,P2P数据管理主要有信息检索、数据库查询和连续查询3个子领域,取得了许多研究成果.在介绍P2P技术的优点后,指出了P2P数据管理研究的目标.然后针对上述3个方面,论述P2P数据管理研究的现状,着重讨论了P2P数据库查询的索引构造策略、语义异构的解决方法、查询语义、查询处理策略、查询类型和查询优化技术.通过比较,指出了现状与目标的差距,提出了需要进一步研究的问题.     

对等网环境下基于概率翻译方法的语义检索模型

P2P技术被广泛的用于网络节点之间的文件共享与搜索.采用P2P的搜索技术可以有效地提高了共享资源的深度和广度,但往往存在仅支持弱语义(甚至缺乏语义)共享的局限性.针对这一弱点,在研究和分析基于查询条件概率的统计语言模型的基础上,引入机器翻译领域中的统计翻译模型,改进统计语言模型的经典算法——一元语言模型,提出基于概率翻译方法的一元语言模型检索技术,并将改进的语义信息检索算法引入基于超级节点(super-peer)的P2P信息共享模型,建立支持语义的P2P信息共享模型,改善文件共享与检索性能.理论分析及原型系统验证了利用此模型来实现P2P网络语义文档共享的有效性.     

专家领域本体建模及语义信息服务研究

目前各省市各部门分别拥有各自专用的专家信息系统,分别管理所在地区和所属领域的专家信息,其形式各异且专家信息分布异构.针对实际应用中共享专家信息困难,基于关键字查询信息效率不高等问题,提出基于语义的专家信息系统解决方案.采用5W1H分析法归纳领域本体中概念和关系,建立基于5W1H的专家本体概念模型并生成专家领域本体,实现了专家语义信息统一建模.构建系统的四层体系结构,研究语义推理规则的定义方法,设计了基于语义的规则推理算法和基于SPAR-QL的语义信息查询算法,实现了系统基于语义的信息查询和推理等功能.实验表明,基于语义的专家信息查询在查全率、查准率优于基于关键字的查询.     

SemreX:一种基于语义相似度的P2P覆盖网络

对等(peer-to-peer)网络的非集中结构、良好的自治性及容错性等特征,使其可能成为Internet上有效的信息共享模型.然而,内容定位问题仍然是大规模P2P网络中信息共享所面临的挑战.SemreX系统是一种P2P网络环境下的文献检索系统.针对SemreX系统,提出一种基于语义相似度的P2P拓扑管理和查询路由算法.仿真实验结果表明,语义拓扑能够有效地提高系统的搜索效率.     

基于本体的林业领域语义查询扩展模型

传统信息检索模型仅考虑考虑关键词本身的匹配程度,在林业领域信息检索时得到的检索结果不全面或不准确.为了改善检索质量,提出了一种基于本体的林业领域语义查询扩展模型.该模型利用了本体的语义推理的能力和语义结构对关键词进行语义查询扩展,最终实现提高检索查全率和查准率的目的,是对传统基于关键词匹配的信息检索模型的语义补充.结果表明该模型在一定程度上改善了林业领域信息检索结果的查准率和查全率.     

语义视频检索的现状和研究进展

概述了图像的可视化特征如颜色、纹理、形状和运动信息,时空关系分析,以及多特征目标提取和相似度量度;分析了视频语义的提取,语义查询、检索;探讨了视频语义检索的性能评估,存在的问题和发展方向。     

基于Ontology的语义检索模型研究

针对基于关键字匹配的传统检索方法存在的不足,在检索过程中引入语义,提出一个基于本体的语义检索的模型。该模型将信息检索方法与语义查询技术相结合,通过基于本体的知识库实现对检索信息的语义查询。同时研究了语义检索的关键技术—本体的构建以及语义推理。     

基于内容和语义的三维模型检索综述

多媒体信息的检索是信息复用的重要途径。三维模型检索作为三维建模过程中的关键技术之一,近年来随着三维建模的广泛运用而被深入研究。针对目前三维模型检索技术的进展,首先介绍了基于内容的检索技术,按照提取的特征将其分为四类：基于统计数据、基于几何外形、基于拓扑结构和基于视觉特征,分别介绍各类技术的主要成果和优缺点;然后介绍考虑语义信息,解决“语义鸿沟”现象的基于语义的检索方法,根据切入角度将其分为三类：相关性反馈、主动学习和本体技术,随后介绍了各类技术的相互关系与特点;最后总结和提出了三维模型检索的未来研究的发展方向。     

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。