基于粒结构的知识检索

本文以数据一信息一知识一智慧分层结构为基础,分析了三类检索系统,即数据检索系(DRS)、信息检索系统(IRS)、知识检索系统(KRS)的特点和问题.知识检索用于满足用户对知识的需求,它将是检索系统发展的下一个重要方向.随后提出基于粒结构的知识检索能够更好地协助用户获取知识,给出了一个粒知识检索系统的模型,并以粒计算为工具讨论了一些基本问题.     

基于本体的个性化信息检索技术研究

针对传统的采用关键词的信息检索方式在个性化方面的不足,提出了一种根据领域本体的个性化信息检索模型.首先获取用户的特征信息,接着利用用户的特征信息构建基于本体的用户兴趣模型,在检索过程中通过领域本体概念和用户兴趣模型对检索请求进行分析并对其进行扩展,获得符合检索意图的结果,在此基础上按兴趣度大小处理后将最终个性化信息检索结果反馈给用户.通过搭建关于本体的个性化检索原型系统,仿真结果验证了改进模型的有效性.     

一种实现搜索引擎个性化服务的方法

1 引言随着Internet网上信息的剧增,人们在利用计算机检索信息时变得越来越困难。一方面是信息非常丰富,收到太多的信息却无从选择和消化;另一方面是信息迷失,人们难于找到自己真正所需的信息。原因是:当前的信息检索技术很少考虑用户的个人兴趣。由于不同的用户有不同的需求,所以显然不能满足各种用户的需要。解决该问题的一个方法是:在准确、动态地描述用户的兴趣和偏好的基础上,使搜索结果呈现出个性化的特点。因此,如何描述和跟踪用户的兴趣和偏好就成为网上信息检索的关键。它既可以协助计算机准确定位用户之所需,而且也成为实现主动信息服务的先决条件。目前,用户兴趣的描述有的直接采用人为描述其兴趣文件来实现。这种做法的描述粒度不好把握.同时由于用户不熟悉领域知识,因此用户不易精确地表达其兴趣。此外,由于兴趣的广泛性与易变性,使用静态的方式表达来描述兴趣是不能在信息检索中发挥大的作用的。     

Agent在网络信息智能检索中的应用

分析了当前Internet信息检索的不足,探讨了Agent技术在网络信息检索方面的应用。充分考虑了信息检索过程中用户兴趣问题,提出了一个基于Agent的智能化检索系统的框架,该系统结合领域知识,运用多种用户兴趣学习算法,从而为用户提供个性化信息检索服务。     

基于模糊隶属度的个性化网页推荐系统

个性化信息服务越来越成为信息检索领域中研究的热点。针对用户模型的构造问题,文章利用用户浏览过的网页历史记录自动进行文本结构分析,获取网页信息的逻辑表示,将段落作为识别用户兴趣的基本要素,利用段落间的聚类分析和对用户兴趣的表达能力,获取最终的用户兴趣特征向量。提出了一种基于主题描述的二级层次用户模型,并给出了用户模型的动态调整算法,构建了一个基于模糊隶属度的个性化网页推荐系统。模拟实验表明,该用户模型和个性化推荐算法能够有效地提高检索结果的准确性,并且具有良好的适应性。     

基于粗糙粒模型的图像纹理识别和检索

传统的纹理识别方法大多是对图像频谱的研究,文中尝试以粒计算理论为基础,利用分层思想对图像的纹理特征进行识别。首先,通过引入粒的边缘和分层熵的概念,建立粗糙粒理论,构造粗糙粒度空间模型。然后,构建基于粒的边缘和分层熵的相似度计算方法,得出一种图像纹理识别方法。该方法不仅提高模型在图像纹理识别上的实用性,而且通过对识别和检索过程的同步进行简化纹理识别的计算过程。最后,仿真实验表明,该模型及所用到的相关方法是可行的,与其它方法相比,该方法识别和检索效果较好。     

粒计算及其在图像分类中的应用研究

粒计算作为一种新的信息和知识处理方法,近年来在许多领域中得到了应用。本文在学习和研究粒计算基本理论与技术的基础上,将其应用于图像模式识别领域。通过分析研究不同粒度的特征信息粒所形成的图像特征信息粒格结构,提出了基于图像特征信息粒格的分类器。     

基于二进制粒的用户概念空间构建方法

针对检索系统快速优化问题,提出了一种自动构建用户概念空间的方法.概念空间的构建是实现语义检索的关键,为语义检索提供知识源,传统的面向通用领域的概念空间过于庞大,实现起来非常困难.面向每个用户时,给出了一种构建用户私有概念空间的方法,私有概念空间是根据用户检索文档历史记录自动生成的.在构建用户概念空间的过程中,引入粒计算的思想,用二进制粒表示频繁特征项,并通过粒之间的运算挖掘频繁2-项集,最后计算特征项之间的语义关联权,进行了仿真.仿真结果表明,方法具有较高的效率.     

一种基于语义特征的Web文档检索方法

Web文档聚类在Web信息检索中起着重要的作用。文中提出了一种新的Web文档聚类和检索算法。该算法采用有序聚类的方法,根据Web文档的物理结构概括其语义段落和提取相应的语义特征,并以此作为文档检索的基础;在此基础上,根据用户的检索要求直接在文档的语义段落层次计算其相似性,大大提高了检索的精度和效率。实验结果表明,文中提出的算法具有一定的实用性。     

粒计算中决策规则的提取

为从决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法。该算法通过引入λ阶粒库的概念,利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则。最后通过实例验证了该算法的有效性。     

基于用户兴趣的局部上下文分析方法*

针对根据目前网络信息检索存在的查全率和查准率低的特点,提出一种个性化的局部上下文分析方法,以提高Web信息检索的性能.该方法通过设计一种客户端的用户兴趣挖掘模型,同时将用户兴趣模型与局部上下文分析方法相结合,克服了局部上下文分析的缺陷.实验结果显示该方法能有效提高Web信息检索的查全率与查准率.     

面向信息检索的快速聚类算法

随着信息检索技术的迅猛发展,针对检索系统的改进已逐渐成为研究的热点.聚类是一种有效的改进策略,通过对检索结果进行聚类,可以使用户快速地定位到自己感兴趣的检索信息所在的类别.然而,传统的检索聚类算法要么运行效率低下,要么类别划分能力不强,使它们无法真正地用于检索系统中.针对此问题,提出了一种新颖的检索聚类算法,该算法首先通过极大极小值理论从检索返回的文档集中抽取多个聚点,并依此形成初始文档类划分结果.在此基础上,算法对初始文档类的特征集合进行细化调整以使类别的划分更加精确;同时对不满足收敛条件的文档类进行层次分裂以解决信息的分层描述问题.实验表明:此算法的时间复杂度与现有的检索聚类技术相差不多,并且由于对特征集合进行迭代调整使得类别的划分更加准确合理.     

面向Internet的个性化智能信息检索

文中提出了一个面向Ｉｎｔｅｒｎｅｔ的个性化智能信息检索系统,该系统的研究内容属目前智能信息检索领域的重要研究课题。系统采用分布式智能体Ａｇｅｎｔ技术、相关反馈学习算法和基于多用户个性化模式的层次智能信息滤波算法,并采用多模块之间尖线交互机制和个性化检索与集中游览相结合的检索方式等方法,有效地解决了现有系统在交互方式、自适应用户兴趣和信息源的变化、高效并行检索等方面的不足,该系统普通适用于Ｉｎｔｅｒ     

基于概率密度和ASIFT的彩色图像检索方法

针对全局图像特征不能有效刻画彩色图像内容信息的问题,提出了一种基于兴趣点的彩色图像特征检索方法。首先基于仿射-尺度不变特征转换(ASIFT)算法,利用亮度概率密度梯度进行兴趣点提取;然后将提取后的兴趣点映射回原图像,构建颜色直方图作为图像的特征;最后通过计算不同图像特征间的相似度进行图像检索。仿真实验证明,该方法能够充分地提取图像中的角点、边缘点和这些点的周围点,较好地表达图像的内容,最终得到比较理想的检索结果。     

基于协同过滤的三支粒推荐算法研究

为了降低传统协同过滤算法的推荐成本,并解决该算法评分信息单一的问题,提出了一种基于协同过滤的三支粒推荐算法。该算法在传统协同过滤的基础上,考虑项目特征对用户评分的影响,根据项目特征、粒化用户项目评分矩阵,形成用户对项目粒度的评分矩阵,并以此作为用户偏好的测度依据。同时,该算法在推荐过程中引入三支决策,考虑了推荐过程中产生的误分类成本和学习成本,并基于用户真实的评分偏好构建三支推荐。实验结果显示,基于协同过滤的三支粒推荐算法与传统协同过滤算法相比,不但提高了算法的推荐质量,而且降低了推荐成本。     

隐蔽无线通信网络传输信息云存储密文检索

云储存技术下密文检索由于储存位置不同,需要使用与传统数据库不同的检索策略.提出隐蔽无线通信网络传输信息云存储密文检索.分析隐蔽通信流程,构建AWGN信道模型;设计多层次云储存平台架构,构建包含云储存平台、数据拥有者以及授权用户群三个实体的密文检索系统模型;利用改进的质量层次聚类方法获取信息特征根计算贡献率,实现数据降维,完成聚类;结合用户基本信息与密文兴趣向量,建立用户兴趣模型;确定需检索的关键字权重,将其发送到云端服务器,计算陷门与索引向量内积,将得分最高的密文反馈给用户,完成密文检索.仿真结果表明,上述方法所需检索时间较短,提高检索效率,且满足安全性要求.     

专利信息本体的设计及应用

讨论了本体与国际专利分类表的内在联系。在专利信息服务系统中,以国际专利分类表为基础,提出了符合专利信息特点的IPC本体;设计了采用本体检索与关键字检索有效结合的组合检索方式;增加了从企业用户信息中提取出的用户兴趣模型。把用户兴趣模型转化为符合系统检索规则的检索条件加入到原组合检索中,进一步缩小检索范围,在一定程度上提高了专利信息检索的查全率和查准率。     

个性化图像检索中用户兴趣模型的构建方法

针对个性化图像检索的语义鸿沟问题,提出了一种新的用户兴趣模型的构建方法。将用户兴趣模型分为长期兴趣和短期兴趣：用户的短期兴趣由图像的低层特征映射得到;用户的长期兴趣经过推理机推理,将短期兴趣映射为高层语义得到,从而弥补语义鸿沟。实验结果表明,经过用户兴趣模型过滤的图像检索结果符合用户的个性化要求,相比已有方法在查准率和查全率上取得了明显的改善。     

基于兴趣点和边缘特征的图像检索方法的研究

提出了多种图像特征相结合的图像检索新方法.该方法把兴趣点和边缘作为图像中用户关注的线索,设计了一种基于兴趣点和边缘特征的图像检索新方法.它综合考虑了图像的全局形状特征、颜色及其空间分布信息,不仅克服了单一特征无法真正表征图像的缺陷,同时保证了检索算法对图像旋转、平移的识别不变性.进行检索时,可根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重,增加了系统的有效性.与同类方法相比较表明,该方法有效提高了图像检索的准确率.     

基于互信息和本体的协同检索模型的研究

在信息检索中,用户习惯用尽可能少的关键字来检索信息,这必然会导致检索结果与用户需求存在较大偏差.针对这一问题,我们提出了基于互信息的语义扩展模型(QSE_BMI)[2],结合用户兴趣模型,对用户输入的查询问句进行语义扩展.本文在QSE_BMI基础上,利用互信息与本体互补性,建立基于互信息和本体的协同检索模型,从而提高了信息检索的查全率与查准率.