基于节点兴趣的非结构化P2P搜索机制

针对P2P系统缺乏有效信息搜索机制的问题,提出一种基于节点兴趣的非结构化P2P搜索机制。通过挖掘每个节点的兴趣,将节点按照其相关性组成网络,使相关性高的节点在网络中距离较近。在P2P网络中进行信息搜索时,只将查询消息路由到相关兴趣的节点上,以改善搜索效率。     

基于兴趣挖掘的纯P2P搜索机制研究与实现

在纯P2P环境下，搜索机制是影响信息检索的关键因素之一。本文提出一种基于兴趣索引表的搜索机制，并在此基础上实现纯P2P信息检索原型系统Isearch。该机制首先利用向量空间模型将文件内容向量化，然后对向量空间进行聚类，得到节点的兴趣度，再计算节点之间的兴趣相似度，在本地建立兴趣索引表。在搜索时，根据兴趣索引表直接将查询请求转发到有相似兴趣的节点。实验结果表明，该机制既不影响查询结果，又能减少访问节点的数量，提高查询效率。     

主题覆盖P2P网络自组织构造方法

本文从节点根据资源的相关性自组织构造网络的角度出发,提出一种基于信息聚类的P2P网络自组织构造方法。节点基于自身了解的知识,自主地建立并维护与其它节点的拓扑连接。通过节点间的信息聚类,资源相似节点聚集在同一主题域,实现节点资源的有序组织。对于给定的查询,它的答案集就在对应的主题域,查询处理范围小,查询处理效率高。实验分析表明,本文提出的基于信息聚类的P2P网络自组织构造方法起到了优化网络性能的效果。     

基于兴趣挖掘的非结构化P2P搜索机制研究与实现

在非结构化P2P环境下,搜索机制是影响信息检索的关键因素之一.提出一种基于兴趣索引表的搜索机制,并在此基础上实现非结构化P2P信息检索原型系统Isearch.该机制首先利用向量空间模型将文件内容向量化,然后对向量空间进行聚类,得到节点的兴趣度,再计算节点之间的兴趣相似度,在本地建立兴趣索引表.在搜索时,根据兴趣索引表直接将查询请求转发到有相似兴趣的节点.实验结果表明,该机制既不影响查询结果,又能减少访问节点的数量,提高查询效率.     

移动P2P网络位置信息辅助的先应式搜索机制

给出一种移动P2P 网络中的自适应搜索机制。该机制依据节点命中查询的历史信息动态地计算相应的节点存储文件流行程度,并根据文件流行程度先应地发布文件元数据信息,利用返回最多的响应节点或者流行节点的位置信息作为查询转发的指导以减少查询消息。实验结果表明,该机制具有较高搜索成功率和较短的响应时间,能够提高搜索性能。     

一种新的基于访问兴趣相似性的P2P网络模型

针对在非结构化对等网络(Unstructured Peer to Peer)中查找资源时传统资源搜索方法的检索效率不高、通信开销过大的问题,提出了一种新的基于访问兴趣相似性P2P网络模型。在对网络结构不作全面改变的情况下,通过发现访问频谱相似节点,建立少量访问频谱相似节点间的远程连接,可以改善传统的非结构化对等网络资源搜索,并在此基础上设计了一种资源搜索算法。仿真试验证明,该模型在一定程度上提高了非结构化P2P资源搜索的效率,同时减少了网络中的通信冗余信息量。     

基于兴趣相关度的P2P网络搜索优化算法

P2P网络中的搜索性能是影响P2P网络发展的关键问题。该文研究非结构化分散型P2P网络中的搜索机制,提出2个改进算法。改进算法利用节点的共享情况和查询历史发掘节点的兴趣爱好,并赋予节点一定的自治性,使得非结构化分散型P2P网络能随着网络中查询数的增长而动态优化,提高查询效率。实验证明改进算法提高了查询检索的效率,在保证查全率的基础上,查询产生的消息减少了75%。     

非结构化P2P网络基于马尔科夫链的搜索算法研究

现有的非结构化P2P资源搜索算法并没有将兴趣与负载结合进行考虑,本文不仅考虑节点搜索资源时基于兴趣的查询转发,也综合考虑了各个节点的负载信息。基于此,本文设计提出了基于Markov Chain模型的资源搜索改进算法Bo MC。Bo MC算法利用马尔科夫模型为非结构化P2P网络节点通过随机采样建立状态转移概率矩阵。而转移概率是基于节点的转发因子,其中包含有节点兴趣及负载的综合信息。我们知道,基于马尔科夫链平稳分布的特性可以使整个网络在查询过程中趋于收敛状态,进而达到节点的负载均衡。根据网络负载分布情况,该算法考虑到动态更新转移概率。在Peer Sim的仿真环境下,实现Bo MC算法并将其与传统的P2P资源搜索算法作比较。     

基于子树间快捷连接的非结构化P2P资源搜索方法

通过对非结构化P2P网络资源搜索方法的研究,提出了一种P2P覆盖网络。网络采用多路平衡树形拓扑结构,当新节点加入时在其与根节点的各子树间创建仅参与查询消息第一跳转发的快捷连接,搜索过程中利用快捷连接实现查询消息在根的各子树间并行转发并且不依赖根节点。仿真比较了所提网络同Gnutella和随机漫步网络的性能,所提网络具有低消息冗余率、高搜索成功率和较低的平均搜索时间复杂度。分析结果表明所提网络在资源搜索方面是高效可行的。     

基于小世界现象的P2P网络搜索研究

本文依据小世界特性提出了一种P2P网络搜索引擎系统模型,并给出了系统模型中对等网络节点的拓扑结构,提出了一种搜索机制,使查询消息更高效的传播,实验数据说明本文搜索机制与洪泛算法相比更加有效。     

基于P2P的个性化Web搜索系统的设计与实现

针对中心化的Web信息搜索系统在覆盖率、及时性、个性化、可扩展性等方面存在的问题,提出了一种基于Peer-to-Peer(P2P)的可扩展、个性化的Web搜索系统PeerBridge。PeerBridge基于分布式哈希表组织大量的网络结点形成有组织的P2P覆盖网络,每个对等体作为一个主题搜索引擎,根据用户兴趣从Web中搜索特定主题相关的信息,而具有相似主题的对等体被聚集在一起形成基于主题的对等体簇,协作进行Web搜索与信息共享。并采用主题驱动的Web爬行、基于语义概念的文档分类、个性化的链接分析和基于主题划分的P2P搜索等机制来改善PeerBridge的性能。     

主题重叠网络的构造与搜索算法研究

结构化P2P网络虽然具有扩展性良好的数据查找机制,但只支持基于键的准确匹配搜索.为提供更丰富的数据查询能力,本文提出一种基于主题重叠网络的结构化P2P搜索算法--主题重叠网络搜索算法(TONS).其基本思想是在结构化P2P网络之上,将结点按主题组织成分层的重叠网络,使含有相似主题的结点相互链接在一起;利用主题中继结点所具有的全局导航能力,TONS能够基于内容将查询限定在P2P网络的局部范围内,并且通过在重叠网络中随机添加一些长距离链接,使重叠网络具有Small-World特性,改善TONS的搜索性能.实验结果表明,TONS大大提高了搜索的查全率,减少了P2P网络信息搜索时的平均路径距离和平均消息数目.     

P2P全文搜索引擎中的路由算法

针对P2P全文搜索网络效率低和搜索等待时间长的问题,提出基于k-高频词主题相关性的搜索路由算法,该算法采用k-高频词表示主题,在主题间建立连接,形成主题相关网络。在该网络中,优先将搜索请求路由到拥有较多资源的节点上,从而用较少的时间和网络通信量搜索到较多资源。结果表明,相对于“简单洪泛”算法,该算法在搜索等待时间、减少网络通信量方面表现更优,具有更高的效率。     

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Chord协议的混合P2P模型

在结构化点对点(P2P)模型中,节点异构性会引起系统的不稳定。针对该问题,结合混合P2P模型的优点,构造一个基于Chord协议的混合P2P模型,将节点按处理能力分为超节点和普通节点,多个超节点被组织到同一个群组中,由超节点管理普通节点以提高系统稳定性。该模型采用基于拓扑感知的搜索算法,能较好地解决分布式哈希表(DHT)技术的路由绕路问题。实验证明,该模型在一定程度上降低查询延时,可提高查询效率。     

基于深度学习挖掘用户搜索主题研究

主要研究了基于深度学习技术挖掘用户搜索主题相关的感兴趣内容。通过深度挖掘算法分析用户搜索记录、查询历史以及用户感兴趣的相关文档视为用户搜索主题数据的来源,进而挖掘兴趣主题。挖掘模型主要采用向量空间模型,将用户搜索主题模型表示成用户搜索主题向量形式。形成主题和用户兴趣关系网,用户搜索主题向量的构造过程:选择一组用户查询词,并对它们进行深度挖掘分类,最后用它们构造用户搜索主题特征向量,进而分析用户兴趣点。结合用户随着时间的变化,以及过程中有不用的搜索词,以及无关的搜索噪声词去掉,调整兴趣度,用户搜索主题需要具有更新学习机制,动态跟踪了用户兴趣变化趋势。该用户搜索主题研究过程克服了数据稀疏、类别偏差、扩展性差等缺点。实验结果表明,该模型识别用户搜索主题准确率良好。     

纯Peer to Peer环境下有效的Top-k查询

目前大多数的Peer-to-Peer(P2P)系统只支持基于文件标识的搜索,用户不能根据文件的内容进行搜索.Top-k查询被广泛地应用于搜索引擎中,获得了巨大的成功.可是,由于P2P系统是一个动态的、分散的系统,在纯的P2P环境下进行top-k查询是具有挑战性的.提出了一种基于直方图的分层top-k查询算法.首先,采用层次化的方法实现分布式的top-k查询,将结果的合并和排序分散到P2P网络中的各个节点上,充分利用了网络中的资源.其次,根据节点返回的结果为节点构建直方图,利用直方图估计节点可能的分数上限,对节点进行选择,提高了查询效率.实验证明,top-k查询提高了查询效果,而直方图则提高了查询效率.     

基于轮廓查询技术的P2P智能搜索算法

资源搜索是非结构化P2P系统研究的核心问题,选取合适的邻居节点作为转发对象,可以提高资源搜索成功率。该文提出一种基于轮廓查询的P2P智能搜索算法SkyLP,在选取邻居节点转发查询消息时,综合考虑查询消息相似度和节点命中率。在两者构成的二维空间上,采用轮廓查询技术返回一个最优邻居节点集合,向此集合中的节点发送查询消息。实验结果表明,SkyLP算法能减少发送的消息数,有效提高搜索效率。     

Context-based literature digital collection search

We identify two issues with searching literature digital collections within digital libraries: (a) there are no effective paper-scoring and ranking mechanisms. Without a scoring and ranking system, users are often forced to scan a large and diverse set of publications listed as search results and potentially miss the important ones. (b) Topic diffusion is a common problem: publications returned by a keyword-based search query often fall into multiple topic areas, not all of which are of interest to users. This paper proposes a new literature digital collection search paradigm that effectively ranks search outputs, while controlling the diversity of keyword-based search query output topics. Our approach is as follows. First, during pre-querying, publications are assigned into pre-specified ontology-based contexts, and query-independent context scores are attached to papers with respect to the assigned contexts. When a query is posed, relevant contexts are selected, search is performed within the selected contexts, context scores of publications are revised into relevancy scores with respect to the query at hand and the context that they are in, and query outputs are ranked within each relevant context. This way, we (1) minimize query output topic diversity, (2) reduce query output size, (3) decrease user time spent scanning query results, and (4) increase query output ranking accuracy. Using genomics-oriented PubMed publications as the testbed and Gene Ontology terms as contexts, our experiments indicate that the proposed context-based search approach produces search results with up to 50% higher precision, and reduces the query output size by up to 70%.     

面向非结构化P2P 网络的双向随机漫步搜索机制

为解决目前Random Walk改进算法中过于依赖历史搜索记录而导致动态网络环境下搜索命中率低、网络开销过高和稀有资源的搜索成功率提高不明显等问题,通过分析随机漫步的基本性质和易转向高度数节点的搜索特性,提出了一种双向随机漫步搜索机制——BRWS(bidirectional random walk search),并证明了其能够提高包括稀有资源在内的搜索成功率,抗扰动性强.分别在静态和动态网络环境中,将Random Walk,APS(adaptive probabilistic search),PQR(path-traceable query routing),P2PBSN(peer-to-peer based on social network)和BRWS基于Random Graph、Scale Free网络、Small World网络3种拓扑进行了对比实验.结果表明,BRWS可以以较少的网络搜索代价,极大地提高搜索成功率;并在动态网络环境中,对稀有资源的搜索成功率也有显著提高.所提出的方法可适用于P2P文件分发网络应用中.