面向网络教育的个性化智能代理搜索引擎

为研究网络教育资源搜索工具的智能化,并为学生提供个性化信息服务的智能代理系统,以当前网络教育资源环境为背景,基于"概念网"和"智能搜索代理"技术,提出面向网络教育的个性化智能代理搜索引擎的设计和实现方法.该引擎可以实现关键词在概念方面的检索,比传统搜索引擎的检索精度和效率更高.     

基于关键词与语义概念结合的信息检索研究

对关键词和概念检索的原理进行分析后，提出了一种基于语义概念检索的向量空间模型以及该模型与关键词检索结合的检索方法。在不同的检索领域，可以通过调整该检索方法中的结合参数达到最好的检索效果。实验结果表明，语义概念检索的向量空间模型的性能优于关键词检索的向量空间模型；结合检索方法既能保留关键词检索和概念检索的优点，也能弥补各自的不足。     

支持语义扩展的动态多关键词密文排序检索

针对云存储环境下已有的动态多关键词密文排序检索方案不支持关键词语义扩展、不具备前向安全和后向安全的问题，提出一种支持语义检索且具备前向安全和后向安全的动态多关键词密文排序检索方案。该方案通过构建语义关系图实现查询关键词的语义扩展；使用树索引结构实现数据的检索和动态更新；利用向量空间模型实现多关键词排序搜索；基于安全K近邻算法对维度扩展后的索引和查询向量进行加密。安全性分析表明，该方案在已知密文模型下是安全的且具有动态更新时的前向安全和后向安全。效率分析及仿真实验结果表明，该方案在服务器检索效率方面优于目前同类型具有相同安全性或相同功能的方案。     

供应链产品信息搜索系统中基于同态加密的隐私保护研究

为了有效保障云计算环境下供应链产品信息搜索系统中外包数据的安全性,提出一种基于全同态加密的关键词搜索方案.该方案基于向量加密技术对文档集合建立关键词向量空间模型,进而在加密域中计算搜索关键词与文档向量空间的相似度,从而实现信息搜索操作.方案利用加密算法的同态性,在整个搜索过程中第三方均无法获取明文数据,在一定程度上保护...     

基于蚁群智能和支持向量机的图像分割方法

针对传统阈值法在图像分割时仅考虑像素的灰度信息,对噪声敏感且不易确定全局最优阈值的缺点,提出了基于蚁群智能和支持向量机的图像分割方法.该方法利用蚁群优化算法对图像的二维阈值空间进行全局搜索,并将搜索到的最优点灰度-区域灰度均值对作为阈值来区分目标和背景,然后对支持向量机进行训练和测试,最后用训练好的支持向量机分割图像.实验结果表明,该方法抗噪能力强,分割准确,是一种实用有效的图像分割方法.     

结果页面信息的提取和结果筛选算法的研究

Web搜索引擎是Internet上非常有用的信息检索工具.但是,目前搜索引擎检索出的信息量庞大.如何能够快速和精确地在这种海洋信息中检索到用户所需信息已成为重要的研究课题.提出基于元搜索引擎理论上的专业课程信息搜索系统,着重研究结果页面信息的提取技术和向量空间模型算法.     

潜在语义标引在中文信息检索中的研究与实现

随着网络信息的迅猛发展，信息检索已经成为人们获取信息不可缺少的工具。基于向量空间模型的检索方法是语义检索的重要研究方向，潜在语义标引模型是向量检索方法的一个有力扩展。对LSI中所涉及的关键技术，包括传统的向量空间模型的原理，以及潜在语义索引模型的原理、设计、实现，进行了研究和探讨，同时开发了一个适合中文信息检索的系统原型。对系统进行了测试，取得了较好的实验效果。     

基于语料库的潜语义信息度量

为关键词定义了与主题或语义相关联的信息度量.首先获取基于主题的语料库,然后建立语料库的潜语义向量空间模型,通过该模型定义关键词的信息度量.由此可以计算任意文档包含该主题的信息量,定义文档对主题的隶属度.设定文档对主题隶属度阈值,从而判断文档是否属于该主题类.实验表明,与主题或语义关联的信息度量可以克服搜索中"词匹配"的不足,达到"语义匹配"的搜索.     

支持检索关键词语义扩展的可排序密文检索方案

针对云计算环境下已有的密文检索方案不支持检索关键词语义扩展、精确度不够、检索结果不支持排序的问题，提出一种支持检索关键词语义扩展的可排序密文检索方案。首先，使用词频逆文档频率（TF-IDF）方法计算文档中关键词与文档之间的相关度评分，并对文档不同域中的关键词设置不同的位置权重，使用域加权评分方法计算位置权重评分，将相关度评分与位置权重评分的乘积设置为关键词在文档索引向量上相应位置的取值；其次，根据WordNet语义网对授权用户输入的检索关键词进行语义扩展，得到语义扩展检索关键词集合，使用编辑距离公式计算语义扩展检索关键词集合中关键词之间的相似度，并将相似度值设置为检索关键词在文档检索向量上相应位置的取值；最后，加密产生安全索引和文档检索陷门，在向量空间模型（VSM）下进行内积运算，以内积运算的结果为密文检索文档的排序依据。理论分析和实验仿真表明，所提方案在已知密文模型和已知背景知识模型下是安全的，且具备对检索结果的排序能力；与多关键字密文检索结果排序（MRSE）方案相比，所提方案支持关键词语义扩展，查询准确率比MRSE方案更加准确可靠，而检索时间则与MRSE方案相差不大。     

基于区块链的公平可验证的多关键词密文排序检索

针对区块链环境下已有的可搜索加密方案实现结果验证和公平支付的成本过高、检索功能局限的问题,提出基于区块链的支持验证与公平支付的多关键词排序检索方案。该方案通过云服务器（CSP）存储加密索引树和执行搜索操作,并且构建了包含验证证明的查找表来辅助智能合约完成检索结果的验证以及公平支付,从而降低智能合约执行操作的复杂性,节约时间和费用成本。此外,结合向量空间模型与词频逆文档频率（TF-IDF）技术构建平衡二叉树结构的索引,并使用安全K邻近对索引和查询向量进行加密,从而实现支持动态更新的多关键词排序检索。安全性和性能分析表明,所提方案在区块链环境下和已知密文模型下是安全可行的;仿真实验结果表明,所提方案能够以可接受的开销实现结果验证与公平支付。     

面向云环境密文排序检索的字典划分向量空间模型

针对传统向量空间模型（TVSM）生成的向量维度高,计算文档与检索关键词相关度的向量点积运算耗时长的问题,提出一种面向云环境密文排序检索的字典划分向量空间模型（DPVSM）。首先给出DPVSM的具体定义,并证明了DPVSM中检索关键词与文档的相关度得分与TVSM中的相关度得分完全相等;然后,采用等长字典划分方法,提出加密向量生成算法和文档与检索关键词相关度得分计算算法。实验结果表明,DPVSM文档向量的空间开销远少于TVSM,且文档数量越多开销降低越多;此外,DPVSM的检索向量的空间开销以及相关度得分计算的耗时也远低于TVSM。显然,DPVSM在生成向量的空间效率和相关度得分计算的时间效率上均优于TVSM。     

基于本体的信息检索系统研究

本文在语义网本体模型基础上,设计了一个新的信息检索系统。该系统将语义概念检索的向量空间模型和关键词检索相结合进行检索。在结合语义重合度等因素的基础上,将语义概念模型中的本体概念分成上下位和非上下位关系进行相似度计算。同时引入了信息增益,有效地控制语义扩展过程。实验结果证明,该系统有效利用了本体中概念的语义信息,得到的结果也比较合理。     

基于柔性区间的多文本融合提取方法

探索了一种新的检索方式，代替了依赖人工经验输入关键字检索的传统方法。在检索特定领域信息时，通过相关样本集融合，提取出关键词集，通过调节样本集实现关键词集的柔性控制，以调控搜索空间与结果取向。该方法在一定程度上避免了人类经验的主观性、片面性和关键词任选偏差，可以使查全率与结果数量达到最佳协调，实现最优性价比。     

支持向量机的参数优化及其文本分类中的应用

支持向量机的优化算法对准确检索所需信息资料很重要.传统支持向量机参数寻优方法速度慢、运算量大,具有一定的盲目性.针对准确快速检索到所需信息,为提高支持向量机算法的性能,提出了一种采用免疫算法对支持向量机参数进行优化的文本分类方法(IA-SVM).将支持向量机模型参数作为抗体的基因设计了抗体的编码方案,利用人工免疫算法对支持向量机的惩罚因子和径向基核函数进行优化搜索,使支持向量机的分类性能最优.实验结果表明,IA-SVM算法减少了对支持向量机参数选择的盲目性,在文本分类问题上明显提高了分类正确率和检索速度.     

基于Ajax与向量空间模型的个性化搜索引擎

针对个性化搜索的三个关键问题：用户信息搜集,用户信息库的动态更新与个性化检索算法,探索性地提出了基于Ajax用户行为跟踪方案,以会话为单位动态更新用户行为信息库策略与加入用户文档的向量空间检索模型,在此基础上设计并实现了个性化搜索引擎实验系统。     

基于VSM的权重改进文档相似度算法研究

向量空间模型是以索引项权重为核心的模型,索引项权重对文本分类、检索的效果起着决定性的作用.文中提出了一个基于关键词的权重改进传统向量空间模型的权重算法.基于改进索引项权重的向量空间模型除了考虑原有索引项权重还考虑了文档中关键词的权重.通过特定领域FAQ的检索测试结果表明,改进的算法很大程度上提高了检索的查准率、查全率.     

基于Nutch 的垂直搜索引擎系统

由于通用搜索引擎搜索精度不高,而国内各大物流港口搜索有效性较低,设计基于Nutch的港口物流垂直搜索引擎系统,实现了各个港口物流信息的快捷查询和共享。系统采用了基于向量空间模型的主题相关度判别算法并对该算法进行改进,加入元数据判别机制和重要标签所包含关键词的加权处理。加入“隧道处理”机制,以处理主题网页分离的问题,并且修改了检索结果排序的源代码,使其更适应垂直搜索引擎的要求。     

云计算下支持语义的可搜索加密方法研究

传统的云计算下的可搜索加密算法没有对查询关键词进行语义扩展,导致了用户查询意图与返回结果存在语义偏差,并且对检索结果的相关度排序不够合理,无法满足用户对智能搜索的需求。对此,提出了一种支持语义的可搜索加密方法。该方法利用本体知识库实现了用户查询的语义拓展,并通过语义相似度来控制扩展词的个数,防止因拓展词过多影响检索的精确度。同时,该方法利用文档向量、查询向量分块技术构造出对应的标记向量,以过滤无关文档,并在查询-文档的相似度得分中引入了语义相似度、关键词位置加权评分及关键词-文档相关度等影响因子,实现了检索结果的有效排序。实验结果表明,该方法在提高检索效率的基础上显著改善了检索结果的排序效果,提高了用户满意度。     

一个高效的层次型搜索引擎模型及应用

在分析了传统FTP搜索引擎在处理资源的时效性不足的基础上,提出了一个高效的层次型结构FTP动态搜索引擎系统模型,通过建立网络节点空间,改进信息搜索策略与存储机制,引入区域负责机制与非同步检索的概念,提高搜索速度与搜索准确率,保证了搜索结果在检索请求提交时的有效性与可靠性。     

透镜成像对立学习的SMA算法及舆情预测应用

网络舆情具有小样本特征，而传统方法预测准确率低，容易得到局部最优。为此，提出一种改进黏菌算法优化支持向量机的网络舆情预测模型ISMA-SVM。引入混沌Circle映射机制提高初始种群的多样性；利用对数非线性调节反馈因子均衡算法全局搜索与局部开发；设计透镜成像对立学习机制对最优个体变异，扩展搜索空间并避免算法陷入局部最优。利用改进黏菌优化算法优化支持向量机模型，构建网络舆情预测模型。以若干舆情热点百度指数作为样本进行实证研究，结果表明，改进模型具有更高的数据拟合度，预测准确度更高。