DBORank:对象级别的关系数据库信息检索方法

对象级别的信息检索已经引起越来越多的关注和研究。针对这一研究问题,设计并实现了一个对象级别的关系数据库信息检索方法DBORank,来有效提高关系数据库信息检索效果。DBORank方法从数据库和信息检索两个角度出发,设计了一种灵活有效的评分机制,它既考虑了对象级别数据图的链接结构,又考虑了图中对象结点的内部结构,边的类型和权值,对象内容相关性等因素,同时优化了对象评分的迭代算法。实验表明DBORank方法具有良好的检索效果和效率。     

对象级别的关系数据库信息检索技术研究

传统上,关系数据库信息检索以元组级别的关系数据为检索对象,以元组连接树为检索结果,其检索效果还不够理想。为了提高关系数据库信息检索的效果,提出对象级别的关系数据库信息检索研究,介绍了研究背景和现状,阐述了基本思想及主要研究内容,为关系数据库信息检索未来的研究提供了新的思路和方法。     

一种层次化的检索结果聚类方法

检索结果聚类能够帮助用户快速地浏览搜索引擎返回的结果.传统的聚类方法由于不能生成有意义的类别标签因此是不适合的,为了改善检索结果层次化聚类的效果,采用了基于标签的聚类算法,提出了将DF、查询日志、查询词上下文特征融合的类别标签抽取算法,并以抽取的标签构造基础类别图,通过GBCA算法构建层次化聚类结果.实验证明了多特征融合模型的有效性;GBCA算法在类别标签抽取和F-Measure两个评价指标上都比STC和Snaket算法有很大的提高.     

基于属性值分布的关系数据库对象级别检索结果排序算法

目前关系数据库的相关性排序方法有很多。对象级别检索可以更好地将分散在各个元组中的信息进行整合,得到完整的信息。由于每个对象是唯一的,对象之间的区别不仅仅是通过关键词来体现,而且是通过它们包含的属性值来体现的。因此介绍的方法通过统计包含关键词的对象中的属性值的分布情况,运用信息嫡的方法为每个属性分配权值,由此计算每个对象针对单关键词的相关性得分,进而以对象为单位将针对每个关键词的得分求和,得到最终的排序得分。     

一种快速网页检索结果聚类策略

在网页聚类中,HAC（Hierarchical Agglomerative Clustering）算法和K-means算法都是经常用到的。但它们都有各自的不足。提出一种两阶段聚类方法。第一阶段利用HAC聚类算法对网络检索结果的标题进行聚类,第二阶段以第一阶段结果作为初始中心用K-means算法聚类标题和摘要取得比较合理的聚类结果。由于标题一般都比较短,可以大大减少HAC算法的运行时间。这样既满足网络检索对时间的要求又可以得到较好的聚类结果。     

Web检索结果快速聚类方法的研究与实现

为了帮助Web用户从搜索引擎所返回的大量文档片断中筛选出自己所需要的文档,在对聚类过程研究分析的基础上给出了一种Web检索结果快速聚类方法。它通过分析聚类过程,从建立索引模型、相似性的计算到聚类结果的形成等环节,都做了分析和简化,并利用检索结果的标题、Url以及文档片断3部分所含信息计算返回结果之间的相似度,将首先返回的部分检索结果利用无向图映射法进行部分聚类后,将其余返回结果分配到与之最相近的集簇中最终形成聚类结果。该方法实现简单。实验证明该方法响应速度快,聚类相关性较高,空间占用少。     

基于XML的检索结果聚类方法

针对XML文档的半结构化特点,提出一种建模XML检索结果片段的新思路,设计综合内容和结构语义信息度量相应文档相似性的方法,给出一种适应检索结果聚类应用需求的动态均值软聚类算法。实验表明,面向XML的检索结果聚类方法聚类效果优于传统方法。     

基于XML的检索结果聚类方法

针对XML文档的半结构化特点,提出一种建模XML检索结果片段的新思路,设计综合内容和结构语义信息度量相应文档相似性的方法,给出一种适应检索结果聚类应用需求的动态均值软聚类算法。实验表明,面向XML的检索结果聚类方法聚类效果优于传统方法。     

检索结果聚类算法研究综述

随着互联网的普及和web上网页数量的迅猛增长,搜索引擎已经成为从网上获取信息的首选工具。然而,目前主流的搜索引擎利用关键词建立索引,根据检索结果和查询词的相关性从高到低排成一个很长的线性列表,而且检索结果中包含了大量的无用信息,因此对检索结果进行重新组织和挖掘成为了研究热点。本文介绍了检索结果聚类的应用背景,然后介绍了检索结果聚类的算法,最后介绍了检索结果聚类质量评测标准。     

一种新的Web检索结果聚类方法

Web检索结果聚类用于检索结果的组织,以方便用户的浏览.从一个新的角度审视检索结果聚类.通过分析检索结果的特点,由此提出计算检索结果中的词语与用户输入的关键词拱现程度,然后根据共现程度高的词语确定基类,最后利用类标签的语聚类得到层次聚类结果.此基于词间共现度及词语语义的新方法为Web检索结果聚类提供了一个新的思路.     

一种新的聚类初始化方法

K-means聚类算法会收敛到求解问题的多个局部最优解中的一个,而且它对初始条件十分敏感.给出了一种基于数据集的多个子集和山函数的初始条件方法,它可以较稳定地收敛到一个更好的局部最优解.此初始方法同时适用于原空间和核空间的K-means算法,相对作用于完整数据集的山函数方法,该方法的时间复杂度和空间复杂度都只有它的p2(p是采样率,p＜1).     

面向对象关系数据库的构造方法

本文提出一个在关系数据库系统之上构造面向对象数据库系统的一般方法模型──面向对象的关系模型（ＯＯＲＭ）。按此模型建立起来的面向对象的关系数据库系统，不仅具备一般面向对象数据库系统的各种能力，而且能够有效地描述和处理各种复杂关系，同时能够与基础关系数据库系统保持兼容。     

关系数据库中多维关联规则挖掘的一种新算法

关系数据库已得到了广泛的应用,研究在关系数据库中挖掘关联规则的有效技术显得越来越重要.在分析关系数据库中关联规则挖掘现有算法的基础上,提出了一种在关系数据库中挖掘量化、多维型关联规则的简易算法.算法应用于安徽科技学院《学生体质健康标准》数据库,结果显示它具有快速、有效、易开发等优点.     

含空值关系数据库中关系代数的实现

本文从空值的完全语义出发，依据空值环境下信息等价和信息相容的含义，全面定义了空值环境下运算结果完备的关系代数运算，并对空值环境下关系代数运算的有效性和完备性进行了讨论。     

关系数据库层次型数据的递归检索法

本文介绍了关系型数据库中层次型数据的递归检索法，并给出一个通用递归检索程序，程序模块与数据库和数组结合相得益彰，并寓教学与实用为一体。     

基于关系数据库系统的面向对象数据模型实现

本文对基于关系数据库系统的面向对象数据模型的实现问题进行了分析,并提出解决问题的具体方法,本文提出的解决方法综合了面向对象方法与关系数据库系统的优势,可进一步促进面向对象方法在实际软件开发中的广泛应用。     

A NEW METHOD FOR FUZZY QUERY PROCESSING IN RELATIONAL DATABASE SYSTEMS

In this paper, we present a new method for fuzzy query processing in relational database systems based on automatic clustering techniques and weighting concepts. The proposed method allows the query conditions and the weights of query items of users' fuzzy SQL queries to be described by linguistic terms represented by fuzzy numbers. Because the proposed fuzzy query processing method allows the users to construct their fuzzy queries more conveniently, the existing relational database systems will be more intelligent and more flexible to the users.     

一种有效的支持海量图像数据库QBE查询的聚类索引算法

对海量图像数据进行基于内容的查询与检索有赖于高效的索引和检索机制。因此,如何将海量图像数据进行合理的分类,人而建立相应的索引机制就成为了一个亟待解决的问题。本文提出了一种有效的支持海量图像数据库QBE查询的聚类索引算法。实验在1万多幅的图像数据库上进行了反复测试,结果表明该算法可以极大地提高检索效率。     

一种综合多种聚类结果的算法

在简要介绍了SAMARAH模型中定义的不同聚类结果的类别之间的相似度及其不足的基础上,提出了一种多种聚类结果的算法步骤,重点介绍对两个不同聚类结果间的相似度最大的两个类别所对应的四种不同情况的调整策略。以综合模糊C均值聚类结果和K均值聚类结果为例,说明了提出的综合多种聚类结果的算法具有实用性,并得出该算法的一些结论。     

关系数据库中一种混合类不完全信息的引入

本文介绍了关系数据库中信息不完全性的含义及其表现，论述了关系数据库中不同范畴不完全性同时存在的可能性和必然性，并在关系模式中引入一种混合类不完全信息。