SMR:一种支持高维数据KNN查询的P2P语义覆盖网络

高维数据查询处理技术一直是P2P领域的研究热点.现有方法大都存在维护代价大、查询处理性能不高的问题.提出一种有效支持高维数据KNN查询处理的P2P语义覆盖网络--语义多层环SMR(semantic multi-level ring).SMR能够按照语义信息将数据对象和节点划分成多个语义簇,每个语义簇通过维护近邻索引和远端索引将不同层次环中的语义簇相互连接,形成P2P语义覆盖网络.在SMR中,采用一种高效语义簇编码方法将高维语义空间转换成一维编码空间降低了高维空间维护代价.在此基础上,提出一种高效的KNN查询处理算法.基于真实数据集和合成数据集的实验表明,SMR具有良好的查询处理能力、语义簇划分能力和可扩展性.     

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。     

一种支持MMOG的可伸缩P2P覆盖网络架构

针对网络游戏独特的伸缩性和局部性需求,提出一种支持MMOG的可伸缩P2P覆盖网络架构SPOAR( scalable P2P overlay architecture).SPOAR在结构化P2P覆盖网络方案分级设计的基础上采用基于MANET的非结构化P2P节点拓扑组织方案来维护节点在游戏世界的邻居拓扑及进行邻点发现.实验表明SPOAR覆盖网络架构在保持全局连通性的同时提高了系统的伸缩性,SPOAR的拓扑一致性算法和容错实现机制能够较好的适应MMOG的动态性.     

结构化P2P覆盖网络中匿名通信的研究

结构化P2P覆盖网络提供一个自组织、可升级且容错性能好的合作P2P应用平台.借助于结构化覆盖网络的自组织和结构化特性,本文在结构化P2P覆盖网络基础上提出了一种不需要中心管理节点的重路由匿名通信机制.由于覆盖网络的开放性,本文分析了重路由路径长度的期望值与转发概率的关系以及重路由路径长度的期望值与覆盖网络中恶意成员数量的关系,并且分析了随着重路由路径重组轮数的增加,恶意节点将以更高的概率找到发起者.计算数据表明,采用递减转发概率将使得重路由路径长度的期望值显著降低,因而能保证良好的通信延时.     

P2P网络中基于语义和信任的资源发现算法

P2P对于分布式文件共享具有很好的前景,但当前的P2P系统仍然缺乏有效的信息管理机制。该文在构建超级节点叠加网络时考虑信任和语义的因素,语义相似的节点尽量分布在同一个域中。在选取超级节点时考虑信任值、节点能力及动态性等因素,提出一种高效的基于语义和信任机制的P2P资源发现算法。     

基于语义扩展的P2P网络

针对当前P2P系统中多数为媒体文件,而对应描述信息有限的问题,提出了一个通过Web信息挖掘来扩展语义的算法.同时提出了一个基于语义跳表的多层环网络结构,帮助用户进行相关内容推荐.实验表明,用本文所提出的方法,在消息量很小的情况下,与传统的基于中心服务器的检索精度很相近,具有实用价值.     

P2P网络搜索方法剖析

介绍了P2P的概念和特点,分析了P2P搜索与传统搜索的不同之处,并从结构角度出发剖析和比较了P2P四种不同的搜索技术,给出了它们的优缺点。     

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.     

基于层次化P2P覆盖网络的多播模型

提出一种新的层次化覆盖网络模型HMCON,它是建立在二层P2P覆盖网络上的分布式的可扩展的自组织模型。该模型通过在所有的参与节点上构造多棵“互补”结构的多播树来协同流媒体信号的传输,以平衡各个节点的负载,保证QoS。为了测试网络的延迟和丢包率对HMCON模型的影响,采用ITU-T E-Model对模型进行了仿真,结果表明HMCON模型在网络延迟较大时也能保证良好的通信质量。     

一种双层P2P结构的语义服务发现模型

在开放的Internet环境下,多本体共存是一种必然.同时,集中式的语义服务发现机制是整个面向服务计算的瓶颈,导致系统的可扩展性差.为了支持多本体共存并提高系统的可扩展性,提出一种双层P2P语义服务发现模型.该模型以本体社区为核心,将iVCE(Internet-based virtual computing environment)的核心概念集成到P2P模型中.基于该模型,提出一种分两个阶段、3个步骤的服务发现算法.除了在本体社区内以外,算法还可以实现跨社区的服务发现.在本体社区内,算法首先根据语义相似性选定相应的注册服务器,然后再利用逻辑推理来实施精确的服务匹配.而跨社区的服务发现则按照一定的策略实施.该模型适用于多本体共存的开放环境.实验结果表明,通过合理的参数配置,模型能在查全率和服务发现响应时间之间加以折衷,并取得较好的结果;另外,模型能够在不降低服务查全率的情况下降低注册服务节点的平均负载.     

基于语义网和小世界理论的对等网搜索机制

针对目前超结点网络研究中的不足,该文基于语义网和小世界理论提出了一种对等网搜索模型——SemanticP2P。模型中结点依据小世界理论在物理上形成自然的区域自治系统(AAS),各AAS依据幂规律选取各域内的超结点,超结点再根据语义关系形成多个超结点语义网(SSN),从而形成一个层次化的超结点叠加网络模型,并对其中结点的组织、SSN的构造、搜索机制等进行了阐述,最后通过实验的验证,证明了模型的合理性与有效性。     

一种基于分组的语义对等网络

以语义网络理论为基础,结合GCNET拓扑结构,提出一种基于分组的语义对等网络——Semantic GCNET,充分利用GCNET网络具有小世界特征的优点,确保其搜索限制在与查询主题相关的局部节点子集中,解决其他一些语义对等网络对主题群搜索低效的问题,克服一些语义对等网络仅支持精确匹配查找的缺点。实验结果表明,Semantic GCNET具有高效的语义查询性能和查全率。     

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。     

基于语义划分的P2P搜索技术研究

由于目前大多数结构化P2P都采用DHT技术,而DHT算法只能进行精确查找且命中率较低。为了提高查全率,文中提出一种基于语义划分的P2P搜索方法,通过空间向量模型利用资源文档的多个关键字建立文档的语义相似角,在Chord环的基础上增加一个基于语义相似角排列的语义环,首先利用Chord进行精确查找,当精确查找失败时转入语义环进行模糊匹配,从而通过Chord精确查找和语义模糊匹配的融合实现智能搜索,提高查全率。仿真实验表明：本算法实现了高查全率;在小规模稳定网络中能实现效率搜索。     

基于混合P2P网络模型的语义检索方法研究

在语义理解的基础上检索出满足用户需求的信息,是P2P走向更广泛应用的关键技术之一.提出了一种支持语义的混合P2P网络模型M-Chord,采用基于元数据规范模板(MST)的语义描述模型,结合Chord和语义覆盖网的技术特点,对基于MST的语义覆盖网动态生成方法进行了设计,提出了语义扩展路由的概念,并在上述研究的基础上提出了语义检索方法.通过实验分析表明,M-Chord具有较好的扩展性和语义检索性能.     

对等网络中基于分组的层次化搜索模型

由于对等网络上的资源不是在一个单一的服务器上,而是分散在各个对等体上,理想状态下各个对等体是平等的,但它们在提供资源能力上又是各不相同的,因此,在进行查询搜索时,需要对这些对等体给予不同的优先级和处理方法。本文在分析对等网络中现有的搜索机制的基础上,提出了一种利用节点的分组和层次化来提高搜索的效率,增强系统的扩展性的搜索模型。     

基于P2P网络的语义Web 服务发现机制

提出一种基于P2P网络模型的语义Web服务发现机制DPWS,采用DAML-S对Web服务进行描述以支持基于语义的搜索能力,利用P2P网络节点可以直接通信,不需中央服务器的特点建立Web服务注册节点的组织模型,保证了系统的町扩展性和数据的一致性。     

基于Hebbian法则的P2P学习网络构建算法

针对远程教育环境中信息量过大,学习者分散、难于组织的问题,提出了一种E-Learning学习网络构建算法.该算法采用P2P的网络结构组织节点之间的通信,利用Hebbian学习法则来修改网络节点之间的信任权值,通过不断调整节点的联系人来实现学习网络的构建.学习网络能够对学习者关于学习资源的查询做出符合学习者学习兴趣的反馈,从而最大限度地满足学习者的需求,提高学习者的学习满意度.实验结果表明,算法相比于传统算法,具有较快的网络建设速度、较高的网络建设质量以及较高的鲁棒性,因而能够更好地适用于大规模的E-Learning学习这种开放的分布式环境.