语义Web环境中基于本体推理的协同标注

在已有的Web协同标注系统的基础上,通过对资源文档的标签进行共性分析以及上下文情境感知,以此来扩展标签的概念组,并将其与相关本体进行映射;利用本体推理技术来丰富标签的语义性,挖掘出文档隐含的语义信息,发现文档间所存在的内部关联,同时鉴别不同文档之间是否存在着伪关联,以此提高知识检索与知识推荐的准确性以及主体间的知识共享水平。     

基于语义概念树和局部上下文分析的查询扩展

针对信息检索中因文档与查询词之间的不匹配而影响信息检索效果的问题,提出了一种结合基于语义概念树和局部上下文分析的查询扩展模型。该模型对用户提交的查询关键词进行扩展,扩展词来源于基于语义概念树和局部上下文分析的扩展词。实验结果表明,与单纯采用局部上下文分析方法(LCA)相比,该方法有更优的检索性能。     

模糊本体在语义信息检索中的应用

传统的语义信息检索是基于检索词语义的匹配,无法满足检索不确定的、不完整的信息以及对检索结果进行聚类处理,因此,提出将模糊本体引入语义信息检索方法。该方法以本体技术先建立领域语义模型,各概念的隶属度加到语义建模的过程中,并提供语义标注;以模糊推理方式对概念、公理等本体进一步处理,从而便于计算机计算处理。能够提高在语义信息检索中对模糊信息进行检索的查准率、查全率,采用聚类技术对检索结果进行聚类,以达到智能化检索的目的。     

基于Ontology的语义查询分析研究

目前的搜索引擎普遍存在着查全率和查准率不高的问题,任何一个简单的查询都可能返回数以万计的检索结果,而其中只有很少一部分与用户真正的检索要求有关,对查询的处理是基于本体（Ontology）的语义检索最重要的部分.针对现有查询分析方法的不足,提出了一种基于Ontology的综合词义关系和语义关联分析的查询分析算法,给出了基于本体映射的语义相似度算法,通过对用户输入关键字词义特性和本体实例之间语义关联强弱的分析,提高了用户输入关键字到本体概念映射的完整性和准确率,保证了用户查询和检索语言在语义上的一致性,提升了查询的满意度.     

基于查询与内容的文档表示模型

在信息检索中,文档表示模型的优劣是影响检索性能的重要因素之一.根据全信息理论,认识论信息是语法信息、语义信息和语用信息的三位一体.当前主流的文档表示模型主要利用语法和语义信息,造成语用信息的缺失,成为改善检索性能的瓶颈.该文提出了一种整合用户查询行为与文档内容的文档表示模型,将用户隐性反馈的语用信息和文档自身的语义、语法信息相结合,动态调整索引库关键词权重,从而提高信息检索的查全率和查准率.     

基于语义的音乐检索系统

针对目前互联网上使用的音乐检索系统是以文本信息为主要搜索依据,难以满足智能化检索需求的问题,提出了一种基于内容的音乐检索方法。在保留传统检索方法的基础上,将情感和场景需求引入到检索中,对基于语义的音乐检索方法及模型进行了相关研究。首先根据音乐所蕴含的意境及适合播放的场景进行分析,构建音乐领域本体;然后对用户提出的查询请求进行分词分析和词性标注,并进行语义分析;最后通过推理机对本体进行推理,检索出满足用户需求的音乐集。     

基于Solr和本体的地方志数据语义检索研究

针对传统基于关键字匹配的检索方法在地方志数据查询时的不足,给出了基于Solr和本体的地方志数据语义检索解决方案。建立了地方志本体库;提出了基于本体的综合语义相似度进行语义查询扩展的方法;将本体技术与全文检索技术相结合,建立了基于Solr和本体的语义检索模型架构。最后设计实验,对数据库SQL查询方法和文章提出的语义检索方法的查全率、查准率和查询时间进行对比。实验表明,文章提出的方法明显优于基于关键字匹配的数据库SQL查询方法,具有可行性和有效性。     

古建筑构件及文化的本体模型设计及应用

为了减轻用户在检索信息过程中的负担,在信息检索中引入本体的概念.本体能够准确描述概念之间的内在关联,为人们提供全面而有效的信息.采用领域本体来表示和组织古建筑领域知识,建立一个集建筑构件、建筑文化和建筑结构为一体的本体模型.利用Java开发一个基于古建筑构件本体的检索系统,抽取本体中的同义词加入查询和检索中,通过实验结果表明不仅为用户提供了准确而全面的查询信息,而且提高了检索的准确率.     

基于本体语义教务信息检索系统的设计与实现

为了解决传统信息检索系统中存在的不足,以教务信息检索为例,提出了基于本体的语义信息检索系统的3层模型框架。在模型框架基础上,利用Protégé工具创建了教务知识本体,作为系统的数据源,利用Jena工具和Sparql语言实现了语义信息推理和检索,利用XML和XSL技术实现了用户界面显示,形成了一个完整的语义教务信息检索系统。     

本体语义检索系统

基于关键词匹配的检索方法存在不足,使用分布式大数据处理技术,基于本体对用户输入的查询关键词进行查询扩展,利用Lucene针对扩展后的关键词进行检索,按照语义相似度将检索结果排序后返回给用户。实验表明,基于本体的语义检索系统在查全率和查准率两个方面均优于传统检索方法。     

A distributed information retrieval method in peer-to-peer network

To avoid the scalability of the existing systems that employed centralized indexing,index flooding or query flooding,we proposed an efficient peer-to-peer information retrieval system SPIRS (Semantic P2P-based Information Retrieval System) that supported state-of-the-art content and semantic searches. SPIRS distributes document indices through P2P network hierarchically by Latent Semantic Indexing (LSI) and organizes nodes into a hierarchical overlay through CAN and TRIE. Comparing with other P2P search techniques,those based on simple keyword matching,SPIRS has better accuracy for considering the advanced relevance among documents. Given a query,only a small number of nodes are needed for SPIRS to identify the matching documents. Furthermore,both theoretical analysis and experimental results show that SPIRS possesses higher accuracy and less logic hops.     

基于全局运动的视频检索方案

提出了一种基于全局运动的视频检索方案.对活动图像专家组（MPEG）视频进行全局运动分析,较精确地提取出摄像机的运动模型,将模型参数构成特征点序列,采用顺序匹配的方法进行示例检索;还根据全局运动参数构造了运动分析函数,对视频进行了准确的全局运动分割和语义注释,并以此为基础,利用可扩展标记语言(XML)描述了视频的全局运动,测试了基于Xquery的语义查询.试验结果表明,在风景类视频中,该方案实现了一定程度的语义检索,较同类检索方案查询效率得到了提高.     

利用信息检索和概率有限自动机的程序理解

为提高基于信息检索的程序理解方法的准确性，提出了一种结合信息检索和概率状态机的两阶段程序理解方法.在该方法中使用概率有限自动机（probabilistic finite state automata，PFA）解决了信息检索结果在程序理解中的不确定性，同时采用信息检索构建了多个简单的PFA，而不是单个复杂的PFA，提高了PFA分析的伸缩性.训练阶段先采用隐式语义分析对源代码进行聚类，然后在聚类结果上生成PFA.在识别阶段以词法处理后的程序作为检索项在程序模板库中进行信息检索，取检索结果中的最相关的n项作为候选模板，由候选模板对应得到相应的PFA，通过分析找到最大概率的PFA，完成对源码内容的语义标注.     

文档图像在数据库中的存储检索方法研究与实现

提出一种基于XML的文档图像在原生数据库中存储和检索的新方法,该方法将文档图像切分标记为XML文档,将此类XML文档存储到原生数据库中;利用XML：DB API接口对XML数据进行查询和管理,XSL样式表完成XML数据的显示.     

一种修正的向量空间模型在信息检索中的应用

为了提高文本信息检索系统检索性能,针对信息检索系统中普遍使用的向量空间模型(VSM)所固有的缺陷,提出一种新的修正的向量空间模型(MVSM).该模型重新定义了查询索引项的内容,将修饰词与中心词组成的合成短语引入到查询语句及传统的向量空间检索模型的信息表示中,并重新计算作为特征索引项的合成短语的权重值.在此基础上,又对查询索引项使用了基于同义词词典的查询扩展策略.实验结果表明:用合成短语作为查询索引项进行检索,使检索能够在相对精确的范围内进行,提高检索查准率;对查询进行同义扩展,能够使更多的语义相关的文本被检索出来,提高检索查全率.因此,在信息检索系统中应用修正的向量空间模型能够较好地改善检索性能.     

一种基于位置优化的排序学习方法

如何设计有效的相关性排序函数是信息检索研究的一个核心问题,因为排序函数直接影响着搜索结果的质量。排序函数的好坏一般由信息检索评价方法进行评估,对其进行优化的主要困难是这些方法都依赖于结果文档的排序位置,因此对于查询的结果返回列表中相关文档的位置的研究是十分重要的。通过探索相关文档和不相关文档之间的偏序关系构造新的输入样本;该样本是由一个相关文档和一组不相关文档所构成的,它能够更加有效的区分文档的相关性;基于该输入样本,通过定义位置损失函数对排序结果进行优化。在公开数据集Letor30的上的实验结果显示该方法可以将多种排序评价方法的准确率平均提高2％,证明了所提出的方法的有效性。     

结合本体论和统计方法的跨语言信息检索模型

为了更有效地提高跨语言信息检索的性能,结合本体论和统计方法的特性,提出一种混合的跨语言信息检索模型.在该语言模型的结构上,提出一种本体描述框架,构造了一个形式化的语言本体知识表示,通过典型语料学习,融合了语法、语义、句法等多元信息,建立了源语言本体知识库.在跨语言信息检索的实际应用中,利用本体表示,获得初始的检索文档集,再基于源语言本体知识库,对全部候选文档重新排序,以提高TopN排列的精确度.利用NTCIR-3Workshop中的中英文跨语言信息检索数据集对该语言模型进行了评价,相关实验结果表明,该方法取得了较满意的实验效果.     

基于Ontology的人力资源语义检索技术研究

基于关键词的传统信息检索技术缺乏语义理解能力,无法满足用户的需要。简要地介绍实现语义检索涉及到的相关概念包括资源描述框架,语义网技术和本体。本文对语义检索所涉及的关键技术进行了深入的分析研究,提出了一种基于本体的语义检索的方法,以人力资源领域本体为例,设计并实现了基于Ontology的人力资源语义检索系统。