面向主题的概念检索研究

该文提出了一种基于概念网络和主题概念树的面向主题的文本检索算法。依托概念网络建立主题概念树,利用主题概念树对用户的查询请求进行语义扩展,实现同义和语义蕴涵检索。关联度的计算模型考虑了词与词之间,句与句之间的语义激励。通过关联度在主题概念树上的传播模型,实现复合概念关联度的计算。检索结果按关联度大小降序排列。基于主题概念树的概念检索导航为用户检索提供了便利。     

移动用户兴趣点标记语义映射方法

针对当前移动用户兴趣点标注没有统一的语义本体这一问题,通过对移动用户兴趣点分类,建立了 POI概念本体层次树,将用户标注的POI信息与本体树节点通过一种改进的映射方法建立映射关系,为移动用户标注信息提供统一的规范化语义。实验收集多名志愿者5周的真实标注信息来评价该方法,实验结果表明该方法具有较高的准确率。     

基于知网的概念匹配细粒度化研究

基于知网的语义结构,构建了具有添加和删除特点的语义树,使概念的匹配粒度实现细化,并给出了概念语义树匹配算法。实验结果证明了算法的有效性,较好地解决"关键字障碍"和语义歧义性问题,提高查全率。     

语义聚集的P2P服务组织模型

针对集中式和传统分布式服务注册与发现机制中存在的问题,提出一种新的服务组织模型。该模型归纳服务系统中各服务功能来建立语义树,依据此语义树产生的语义串对服务进行标识,采用改进的Kademlia算法将服务组织起来,形成按语义树聚集的、使用语义串进行结点发现的P2P覆盖网络,从而解决了单点失效、性能瓶颈问题,实现了不依赖注册中心和注册操作的、自发现的服务调用。它具有高可扩展性,能够支撑动态调度、模糊搜索等应用形式, 已在某服务计算平台中成功应用,该平台已通过验收并连续运行近一年。     

软件进程图形表示算法

在计算数学关于函数结构理论的基础上,本文讨论了软件进程计算结构图形表示算法.本文面向问题‘需求',以形式推导方法,详细分析了如何把‘需求'的形式语义置于图形树之上,在抽象树上实现语义定义的方法;建立算法,实现软件进程计算结构图形表示,实现抽象树向具体语义树的转换;并说明这个图形就是问题求解的树形体系结构.本文详细分析了这个算法的理论基础、逻辑框架、建立过程;正式表达算法的规范定义和正确性结论;最后,着重分析了算法隐含的不确定因素,以及由它们引起的相关结论和这些结论的重要性.     

智能答疑系统中语义网的研究与应用

目前答疑系统大多以关键词匹配为基础，而智能答疑系统是在此基础之上，增加了对语义的理解。文中讨论了专业领域义原的抽取、语义网和语义树的建立，并且就语义关系在智能答疑系统中的角色做了阐述。最后，实现了一个原型系统，通过增加对语义关系的理解，取得了比较好的测试结果。     

语义模型在Overlay网络服务发现机制中的应用

提出一种新型Overlay网络服务发现机制,该机制充分利用概念之间的语义相似性,从语义概念树模型扩展概念相似度的计算,并将该语义概念树模型应用到Overlay网络服务发现机制的研究中。实验证明,该语义概念模型能够根据用户的想法和查询词条的内在含义进行相近语义短语的查找,实现匹配机制的语义化,提高了服务发现的查准率。     

软件进程计算结构分析*

以数学语义分析并描述软件进程计算结构,建立了实用计算原型树。在此基础上,实现计算结构模块化处理及建立模块化展开公式,使软件进程的计算从节点算子的计算转换成模块算子计算。     

一种基于权重融合的聚类算法及其在语义树生成中的应用

尽管层次聚类算法在语义树生成方面已经得到广泛的应用,但其生成的语义树的结构不合理性限制它们在网络数据的应用.提出一种新颖的层次聚类算法WAC克服这个缺点.它采用了AMG数值计算方法,从粗到细地分层合并节点.在合并的同时,WAC算法也为语义树每个节点选定了代表数据来帮助用户浏览.在公用的博客标签数据集的实验结果表明WAC算法不但在聚类精度上优于传统方法,而且其生成的语义树结构更加符合用户需求.     

场景语义树图像标注方法

自动图像标注是一项具有挑战性的工作,它对于图像分析理解和图像检索都有着重要的意义.在自动图像标注领域,通过对已标注图像集的学习,建立语义概念空间与视觉特征空间之间的关系模型,并用这个模型对未标注的图像集进行标注.由于低高级语义之间错综复杂的对应关系,使目前自动图像标注的精度仍然较低.而在场景约束条件下可以简化标注与视觉特征之间的映射关系,提高自动标注的可靠性.因此提出一种基于场景语义树的图像标注方法.首先对用于学习的标注图像进行自动的语义场景聚类,对每个场景语义类别生成视觉场景空间,然后对每个场景空间建立相应的语义树.对待标注图像,确定其语义类别后,通过相应的场景语义树,获得图像的最终标注.在Corel5K图像集上,获得了优于TM(translation model)、CMRM(cross media relevance model)、CRM(continous-space relevance model)、PLSA-GMM(概率潜在语义分析-高期混合模型)等模型的标注结果.