基于贝叶斯网络的XML文档查询模型

目前XML查询语言及查询界面对Web用户过于复杂,该文描述了一种XML文档索引机制,在此基础上建立了一个通用的贝叶斯网络查询模型。用户只需在交互界面输入自然语言描述的查询,系统就能对其实现基于语义的构造,由它生成多个结构化查询;对这些查询建立贝叶斯网络,计算查询在给定文档下的概率,选择概率最大的前3个查询提交给系统执行。     

基于贝叶斯方法的知识发现

贝叶斯方法是概率统计学中一种很重要的。方法贝叶网络就是根据各个变量之间概率关系用图论方法建立的模型,本文概率统计图的贝叶斯规则应用于知识发现。建立图论模型进行数据挖掘,文章最后应用贝叶斯网络对于实际的数据库进行知识发现,其结果说明了这种方法的有效性。     

基于查询术语同义词的扩展信念网络检索模型

针对信念网络模型没有考虑术语之间关系的缺陷,引入了查询同义词的概念,提出了一个基于查询术语同义词的扩展信念网络检索模型。给出了模型的拓扑结构,讨论了利用新模型进行信息检索的方法,并给出了一个实用案例。新模型同时考虑了用户查询术语及其同义词的作用,提高了检索性能。     

基于术语相似度的贝叶斯网络检索模型扩展

利用术语相似度将同义词间的相似程度数量化,以此量化关系对用于信息检索的简单贝叶斯网络进行改进,并进行有效的概率推理。实验结果表明新模型不仅具有良好的检索效果,而且相关文档的排序更加合理。     

基于社区发现的专利查询扩展方法

专利检索是专利挖掘任务的重要前置子任务,而查询扩展对于提高专利检索方法的准确率和召回率有重要作用。专利文档具有高频率的非标准技术术语以及创造词的特点,传统的查询扩展方法并没有考虑这一特点,会导致专利检索子任务难以获取用户完整的查询意图;此外,在专利查询扩展过程中不可避免地会引入噪声词,出现主题漂移现象,导致查询召回率降低。为了解决这些问题,提出了一种基于社区发现的专利查询扩展方法,该方法建立以专利主题词为节点,主题词之间关系为边的专利主题词图,将专利查询扩展问题转化稠密子图搜索问题,利用社区发现算法实现问题求解。在基准数据集CLEP-IP 2010上开展实验,结果表明与现有的专利扩展查询方法相比,与基准方法相比召回率提高了约7.1%,PRES改善了近3.2%。     

融合专家相对推断的贝叶斯网络构建方法

为了解决依据专家知识推断贝叶斯网络中条件概率表时存在的个体推断信息缺乏有效性以及整体集成结果缺乏科学性的问题,提出了有利于实现判断对象更直观、判断方式更简便的推断信息约简机理,然后将层次分析法中两两比较与判断矩阵分别作为主观条件概率信息的提取手段与信息载体,构建了能够从宏微观推断信息中提取最优条件概率的专家相对推断方法,该方法一方面可以克服传统方法中因专家推断能力有限的现实约束而造成个体推断信息容易缺乏有效性的问题,另一方面也能够对专家个体推断信息进行有效综合集成、保证决策结果的科学性。在此基础上遵循由前至后的推断顺序提出了贝叶斯网络的构建过程,最后应用数值对比分析和案例模拟分析验证了提出方法的科学有效性和应用可行性。     

基于专家知识融合的贝叶斯网络结构学习方法

基于数据学习的贝叶斯网络结构学习算法因搜索空间大而效率低。领域专家可根据自己的经验知识确定网络结构中固有的因果关系。通过收集不同专家的意见,并利用证据理论进行综合,确定其中的部分因果关系,去除其中无意义的因果关系,然后利用常用的学习算法进行学习,减小搜索空间,提高算法效率。实验结果表明基于专家知识融合的贝叶斯网络构造方法利用专家知识来限制学习算法的搜索条件,有效地缩小了搜索空间,利用证据理论综合多个专家知识,防止了单个专家的主观片面性,能够有效地提高学习效率。     

基于语义分析的查询扩展方法

查询扩展是优化信息检索的有效途径。为此,提出一种基于语义分析的查询扩展方法,利用基于互信息的共现模型分析初检文档,并将其作为部分扩展源,用模型的统计结果剪枝由语义词典WordNet生成的语义树,限制扩展范围。从初检文档和语义词典两方面选取扩展词对原查询进行扩展形成新的查询集。对返回结果进行重排序,调整前n篇文档的查准率。实验证明该方法是切实可行的。     

贝叶斯网络扩展研究综述

贝叶斯网络是一种能够对复杂不确定系统进行推理和建模的有效工具,广泛用于不确定决策、数据分析以及智能推理等领域.由于理论和实际的需要,贝叶斯网络不断扩展,出现了各种模型和研究方法.为此,综述了贝叶斯网络在不同领域的扩展模型以及在不同理论框架下的进展,并展望了未来的几个发展方向.     

面向旅游领域的语义查询扩展方法

针对传统语义查询扩展方法存在返回结果多以及准确率不高的问题,以旅游领域为背景,提出一种语义加权查询扩展方法。利用本体推理能力与本体中的实体相关度进行查询扩展,结合TF-IDF算法的词频加权与语义相关度加权改善检索结果的排序。实验结果表明,相比其他2种方法,该方法能使更多符合要求的查询结果靠前排列,提高了旅游信息检索的正确率。     

一种基于对等语义连接网络的路由查询

对等网络（简称P2P）的非集中结构、良好的自治性及容错性等特征,使其成为Internet上有效的信息共享模型。提出一种非结构化对等语义连接网络（NSPSLN）指定和管理在节点数据框架之间的语义关系,从而实现一个基于节点类似于有效路由查询的测量尺度,再形成和不同种类数据的综合模式映射算法。通过研究,为分布式资源提供一种新的方法,并加速知识产生在合作的研究过程中的繁殖、熔化和管理的过程。     

基于查询词邻近度的专家搜索算法

提出一种基于查询词邻近度的专家搜索算法。根据查询词在窗口中的共现关系构建概率语言模型的查询词邻近度,利用经典概率模型作为背景平滑,通过对多个查询词在文档中的距离关系建模,结合候选人与查询词之间的距离对候选专家排序。实验结果表明,在该算法中引入查询词邻近度可以提高搜索准确率,应用候选人与查询词2种邻近度可以取得更好的专家搜索效果。     

Purpose-Based Expert Finding in a Portfolio Management System

Most of the research in the area of expert finding focuses on creating and maintaining centralized directories of experts' profiles, which users can search on demand. However, in a distributed multiagent-based software environment, the autonomous agents are free to develop expert models or model fragments for their own purposes and from their viewpoints. Therefore, the focus of expert finding is shifting from the collection at one place as much data about a expert as possible to accessing on demand from various agents whatever user information is available at the moment and interpreting it for a particular purpose. This paper outlines purpose-based expert modeling as an approach for finding an expert in a multiagent portfolio management system in which autonomous agents develop expert agent models independently and do not adhere to a common representation scheme. This approach aims to develop taxonomy of purposes that define a variety of context-dependent user modeling processes, which are used by the users' personal agents to find appropriate expert agents to advise users on investing strategies.     

基于关系数据库的语义数据查询方法

针对当前资源描述框架(RDF)查询语言查询数据效率不高且不能查全的特点,通过研究关系数据库模式到RDF视图的映射关系,在基于本体的智能检索方法基础上引进分层思想,设计和实现一种单本体数据源环境下的RDF查询引擎,实现隐含语义的发现。实验表明该引擎能较好地实现高效率的语义查询,并具有更大的灵活性和可扩展性。     

基于小波方法的数据流查询计算研究与应用

许多领域中大量应用所产生的数据流的处理已成为聚集数据处理的一个重要方面。文章在对数据流查询计算进行深入研究的基础上,分析了该情形下聚集查询语言与重写的特征,给出了一类有效的快速查询计算模型。该计算模型的核心是运用小波分析方法,通过建立有效的小波提纲来提高查询处理的效率。最后,在实际应用环境下对所给出的模型进行了应用分析。     

语义缓存的聚集查询匹配研究

为提高海量数据库系统的查询效率,围绕海量数据库系统中的聚集查询技术,把通常应用于小型数据库查询的语义缓存技术拓展到海量数据库的聚集查询中．首先研究了面向聚集查询的语义缓存形式化描述,在此基础上讨论了利用缓存处理查询的条件并对查询匹配进行了分类,提出并实现了包含匹配判定算法和相交匹配判定算法,最后给出了相应的实验结果．在某大型实际工程中的应用表明上述判定算法是有效的．     

基于潜在语义分析的跨语言查询扩展方法

针对传统查询扩展方法存在的问题,提出一种基于潜在语义分析的跨语言扩展方法,利用聚类提高扩展文本集合的精度,并用潜在语义分析实现无需翻译的查询扩展,减轻翻译歧义带来的影响。实验结果表明,该方法能够获得较好的性能。     

互联网科技专家搜索系统

提出和设计了一个为用户自动收集、分析和整理科技专家信息的科技专家搜索系统.描述了互联网科技专家搜索系统的体系结构、主要特征和关键技术.系统采用基于特征向量的分类算法,设计了一种适合于互联网大规模科技专家信息抽取的方法,利用互联网上的信息资源高效的抽取专家信息、挖掘专家学术关系,为科技专家发现和搜索研究提供了一种新的思路.