基于Agent的个性化智能信息检索系统

针对目前信息检索系统存在的不足,首先,在系统地介绍信息检索研究现状的基础上对个性化信息检索的发展、工作原理和现状进行了简要综述,并对Agent技术做了介绍.然后,从现有问题入手,开发设计一个了基于Agent的个性化智能信息检索系统模型.对基于Agent的个性化信息检索系统的基本结构、方法及相关技术进行了研究.该模型由用户信息检索个性Agent、信息搜索Agent和信息过滤Agent三个模块构成,分别对三个模块中的关键技术进行研究.结果表明,该平台减少搜索范围,加快搜索速度.     

基于P2P网络的信息检索

相比较传统的集中式信息检索系统,基于P2P方式的信息检索系统具有成本低、可扩展性好、容错性强等优点,可充分挖掘网络边缘资源,并可提供个性化的信息服务。首先分析了传统信息检索存在的问题,指出P2P信息检索发展的动机,然后介绍了几种在P2P中存在的检索机制,描述了一般的体系框架,最后给出了基于jxta协议中的检索算法,并讨论了P2P信息检索遇到的一些问题和发展方向。     

基于Web的文本信息检索技术

随着互联网技术的迅速发展，网上文本数量成指数级增长，如何有效地提取出所需干言息成为当前重要的研究课题。首先介绍文本信息检索的研究背景和现状，并讨论信息检索模型和目前广泛使用的文本信息检索算法，然后阐述通用信息检索系统和个性化信息检索系统以及目前的研究状况。最后，基于现存的问题提出了未来的工作。     

智能Agent技术在Web信息检索中的应用

随着因特网技术的发展,信息检索技术已成为数字图书馆和科研人员研究的关键技术。与此同时,如何准确地从中检索出用户所需要的信息也已成为研究的热点,并开发出了很多信息检索系统,但传统的基于关键词的检索系统,其查准率和查全率都有待提高。鉴于此,提出了一种基于作为人工智能和网络技术相结合的产物———Agent技术的信息检索系统模型,给出了他的理论模型和工作机制。     

基于MAS的个性化信息检索系统的设计

结合用户建模和群建模技术,提出一种基于MAS的个性化信息检索模型,给出基于C/S的多智能体的个性化信息检索系统框架结构,详细分析各智能体的功能和技术方法,实现信息检索的个性化、智能化。     

基于搜索引擎的网络敏感信息检索系统

本文详细的介绍一种基于Web搜索引擎技术的网络敏感信息检索系统的设计与实现.基于搜索引擎技术的信息检索融合了文本挖掘的思想,它以一定的策略在WEB上搜集和发现信息,在对信息进行处理和组织后,结合本行业的特点,为特殊用户提供信息检索服务.     

移动Agent在信息检索中的应用研究

在分析传统信息检索模式弱点的基础上,将移动Agent技术引入信息检索领域,讨论了"基于移动Agent的信息检索系统"的系统方案,以期实现检索的高效率、低开销以及智能化,文章的最后分析了它的关键技术以及应用前景.     

一种基于分布式Agent的信息检索模型

针对目前Internet信息检索中存在的问题,结合人工智能和分布式Agent技术,提出了一种基于分布式Agent的信息检索的模型,并分析了各个模块的功能和系统的实现。     

基于用户兴趣的个性化Web信息检索方法

针时现有的个性化信息检索系统存在的问题,提出一种新的基于用户兴趣的个性化Web信息检索方法,采用自动隐式学习方式来建立和更新用户兴趣库,采用本体技术来进行语义扩展,从而提高Web信息检索的查准率和查全率.文中给出了个性化Web信息检索系统的体系结构和个性化机制的关键技术及相关算法,全面描述了基于用户兴趣的个性化处理过程.该方法能更好地满足用户的需求,为其提供个性化服务.     

基于分布式结构的图书馆信息检索服务系统研究

针对目前普遍采用的基于单式中心服务的信息检索搜索时间长、不准确等缺点,结合数据挖掘、数据库管理等技术,在B/S模式和C/S模式的基础上开发基于P2P平台的分布式结构数字图书馆信息检索系统,完善和优化了图书馆信息检索的功能,实现了高效、实用、方便、快捷的图书馆信息服务,为用户提供了更好的图书馆服务体验。     

基于前向对向传播神经网络的信息检索技术研究

提出了一种基于前向对向传播神经网络的信息检索算法。分析了信息检索技术的基本概念、原理、以及检索方式,研究了科技信息检索的流程,研究了前向对向传播神经网络的基本模型和算法,提出了基于前向对向传播神经网络的信息检索的原理和算法,并将这种算法与传统方法通过仿真实验进行对比,在保持100%的查准率的情况下,将查全率由79.63%提高至85.59%,获得了较好的效果。     

基于智能Agent的多维权值信息检索模型

为了弥补目前信息检索系统中存在的资源耗费大、实效性不高、用户满意度低等缺点,该文提出并实现一种新型的基于智能Agent的多维权值信息检索模型。该模型主要思想是在信息检索系统中应用了智能Agent技术,通过将检索任务分担到用户客户机、检索服务器和被检索主机的方式以达到提高检索实效性和节省系统和网络资源的目的;该文还通过综合考虑用户检索偏好等特征以及信息本身的重要度和检索匹配程度,提出了一种多维权值排序算法MWRA,提高检索的排序能力,从而为用户提供符合其个性化特征的检索结果。该文首先描述了基于智能Agent的多维权值信息检索模型,然后深入分析了多维权值排序算法MWRA,最后对模型的性能进行了比较和分析。实验结果和性能分析结论表明,基于智能Agent的多维权值信息检索模型的性能尤其在排序能力等方面有明显的提高。     

基于本体的校园地图智能检索系统的研究

针对用户在使用百度这样的通用搜索引擎查询大学校园内部的建筑设施信息时遇到的问题,提出了基于本体的校园地图智能检索模型.以A大学校园内的建筑设施信息检索为例,运用本体技术开发了一个大学校园地图智能检索系统.实际测试结果表明,该系统不仅提高了用户信息检索的查准率和查全率,并能够把信息对应的物理位置显示在地图中,使用户更加快速的查找到校园内部建筑设施的信息,从而改善了他们的办事效率.     

向量空间模型在相关性度量方面的改进

介绍了向量空间模型实现相关性度量的原理,指出该模型存在的不足,针对不足提出了一种改进方法,从而有效提高信息检索的查全率,并改善信息检索系统的质量。     

基于显著性区域和蚁群算法的图像检索研究

针对提取到的图像特征受背景信息干扰,不能有针对性地提取到所需要的图像信息影 响检索精度。为了解决这一问题,本文提出一种基于改进VGGNet(visual geometry group network)和蚁群算法的图像显著性区 域检索算法。首先,利用类激活映射(class activation mapping, CMA)算法对图像显著性区域进行提取,剔除图像背景信息;然后使 用训练好的RS-VGG16模型提取图像显著性区域特征来表征图像。引入主成分分析(principal component analysis, PCA)算法,对高维特征 进行降维的同时减少特征信息的损失。最后,引入蚁群算法对检索结果进行优化。在corel_ 5000数据集上,选取基于VGG16网络的图像全局特征检索算法以及传统的BOF (bag of features)图像检索算法进 行对比试验。本文提出算法相较于基于VGG16网络的图像检索算法,平均查准率(mean average precision, MAP)值平均提升约4.36% ,相较于传统的BOF算法,MAP值平均提升约16.99%。实验结果表明本 文提出算法能够很好地去除图像背景信息的干扰,具有更优的检索性能。     

一种基于区域的动态分块图象检索方法

本文提出一种新颖的基于内容和图像检索方法，基于运动子块分割并根据视觉特性对不同区域做不同的加权，比较各子块相似度，分析相似度矩阵，并检索查询物体。通过将图象分割细化，充分利用了原图的颜色位置信息，通过实验，实现了对特定物体进行检索。该物体检索方法可进一步发展，为特定的后续处理奠定基础，如在人脸识别等功能中发挥重要作用。     

基于兴趣点方向梯度直方图的图像检索方法

提出了一种基于图像兴趣点方向梯度直方图的检索方法.为了提高检索准确度,首先采用直方图均衡化增强图像对比度,然后利用SURF(Speeded Up Robust Features)检测子检测图像中的兴趣点,以兴趣点为中心,对兴趣点邻域内分块方向梯度直方图进行图像特征描述,最后进行相似性度量.该算法通过直方图均衡化,提取到图像中更丰富的细节信息尤其对于颜色单一与颜色较深的图像,而且算法中充分利用了图像中包含信息量较多的图像兴趣点.实验证明,该算法提高了图像检索的准确度,相比其他算法取得了更好的检索结果.     

A Scheme for Intelligent Image Retrieval in Multimedia Databases

Storage and retrieval of visual data play an important role in multimedia systems. We have developed a content-based scheme for retrieving images from multimedia databases intelligently. The retrieval takes two stages. The first stage retrieves an image based on partial information. In the second stage, the system accumulates knowledge from the results of the first-stage retrieval. It analyzes the subspace of features from the resulting images and tries to understand the query request. It also makes full use of the entire index space, although queries can be made on partial information. The technology developed will find many applications in multimedia areas. It will also provide a tool for studying how humans rank the similarity of images and what information people use in visual perception, etc., and will help in the development of methods based on these human approaches.