基于最近邻搜索算法分组式P2P网络拓扑模型

为了在P2P环境中实现资源的更快更精确搜索,引入兴趣相似度计算方法,提出一种基于最近邻搜索算法的分组式P2P网络拓扑模型.在这个模型中,采用余弦相似性方法计算共享资源的相似程度;相似程度较高的节点形成朋友节点进行逻辑连接,兴趣相近的节点聚集成一个小组,结合缓存机制实现共享资源的高效搜索.模拟实验查询结果表明,兴趣相似度Sim值越大资源搜索越精确.模型中相似度的引入增强了P2P网络中资源定位的准确率,提高了搜索效率.     

基于兴趣挖掘的纯P2P搜索机制研究与实现

在纯P2P环境下，搜索机制是影响信息检索的关键因素之一。本文提出一种基于兴趣索引表的搜索机制，并在此基础上实现纯P2P信息检索原型系统Isearch。该机制首先利用向量空间模型将文件内容向量化，然后对向量空间进行聚类，得到节点的兴趣度，再计算节点之间的兴趣相似度，在本地建立兴趣索引表。在搜索时，根据兴趣索引表直接将查询请求转发到有相似兴趣的节点。实验结果表明，该机制既不影响查询结果，又能减少访问节点的数量，提高查询效率。     

基于兴趣挖掘的非结构化P2P搜索机制研究与实现

在非结构化P2P环境下,搜索机制是影响信息检索的关键因素之一.提出一种基于兴趣索引表的搜索机制,并在此基础上实现非结构化P2P信息检索原型系统Isearch.该机制首先利用向量空间模型将文件内容向量化,然后对向量空间进行聚类,得到节点的兴趣度,再计算节点之间的兴趣相似度,在本地建立兴趣索引表.在搜索时,根据兴趣索引表直接将查询请求转发到有相似兴趣的节点.实验结果表明,该机制既不影响查询结果,又能减少访问节点的数量,提高查询效率.     

基于P2P网络的浏览器缓存协作系统的研究

提出了一种基于P2P技术的浏览器缓存协作系统IntraCache,IntraCache包括3类节点:注册服务器、胖节点和瘦节点.注册服务器负责节点的注册,胖节点负责管理某一个组内所有节点和节点共享的缓存内容的索引信息,瘦节点可以和其它节点互相通信和共享资源.与传统代理缓存系统相比,该系统有易扩展和对节点失败不敏感等优点.IntraCache使用PB grouping方法动态的在线聚类节点,将具有相似兴趣的节点组织在一个兴趣组中,并使用基于兴趣相似度的方法进行搜索.基于日志驱动的模拟测试表明,PB grouping方法的聚类能力要高于以前的方法,能够有效提高命中率;基于相似度的搜索策略能够有效减少搜索空间进而减少延迟.     

SSW:一种语义相关的P2P网络资源检索机制

P2P网络由于其可扩展性、容错性和自主性的特点使之成为目前分布式研究的热点.但如何在用户分布广泛、数量巨大、节点行为不可控、计算能力和网络连接不均匀的复杂环境下实现高效的搜索服务是P2P应用面临的巨大挑战.本文提出一种基于语义分组和语义相似度的P2P网络资源检索机制SSW,节点文档按语义进行分组,节点的分组之间按语义相似度建立朋友关系,搜索过程利用朋友关系实现搜索请求的转发.仿真结果表明,SSW能够有效地提高系统的搜索效率.     

基于节点兴趣的非结构化P2P网络拓扑结构研究

针对非结构化P2P网络中资源搜索算法搜索效率低、冗余消息量过多等问题,结合非结构化P2P网络拓扑结构特点,提出一种基于节点兴趣的完全二叉树（CBT-BI）非结构化P2P覆盖网络拓扑结构。在兴趣相似度高的节点之间建立逻辑连接,根据兴趣相似度值在完全二叉树中按序排列;在资源搜索过程中,使用基于洪泛算法的双向资源搜索方法。仿真结果表明,该拓扑结构使得节点能在短时间内查找到有效的资源,减少查询消息量,缩短了平均路由路径,提高了资源搜索效率。     

考虑搜索行为与节点内容的P2P搜索方法①

针对基于兴趣驱动的P2P搜索方法在挖掘节点兴趣和扩展搜索兴趣的上下文语义等方面不足,改进Social-P2P算法,给出考虑搜索行为和节点内容的P2P搜索方法。引入概念格理论,根据节点内容和用户搜索行为建立朋友列表,以朋友列表为形式背景构造概念格,建立兴趣域。搜索消息在概念格内查询,缩短搜索路径和减少搜索消息,概念偏序关系扩展查询消息的上下文语义,增强搜索精确度。实验验证该方法比Social-P2P搜索方法和泛洪搜索方法具有更好的召回率和精确率。     

基于社会特性的P2P资源查找策略

提出一种基于社会特性的P2P资源查找策略。将具有类似兴趣的节点组织成多个兴趣簇,形成一个多簇相互交叠的重叠网络拓 扑。节点通过相似度比较,选择与自己兴趣度最相似的候选节点建立邻居关系,结合带偏向的随机走动策略和跨簇节点广度优先搜索策略,进行资源查找。实验结果表明,该策略的查找成功率较高。     

P2P内容搜索的信息相似值计算方法

随着P2P网络的迅速发展,其用户数量不断增加,信息交互也越发频繁。为了降低内容搜索的复杂度和搜索时间,提出了一种以信息相似值为依据的计算方法。这种计算方法将无规则P2P网络中的节点按照节点的信息相似值划分为不同的域。在信息搜索时,将搜索的关键字与域头节点信息向量进行匹配,算法将整网搜索转化成域内或相邻域搜索,并根据用户兴趣值返回搜索结果。实验证明,这种信息相似值的计算方法在降低搜索时间的基础上,有较高的搜索命中率和查询准确率。     

基于兴趣聚类的网格资源发现算法*

为了更有效地解决网格资源的搜索和定位问题,提出一种以P2P形式实现的、基于兴趣聚类的非集中式网格资源发现算法.算法采用被动学习方式,通过用户的访问历史抽取节点的兴趣属性,将节点按照兴趣属性划分为多个簇,资源发现请求在簇内朋友节点之间传播,查找失败后,将请求路由到与其兴趣最相似的其他簇内.仿真测试表明,算法稳定高效,相比传统算法在低开销情况下性能有显著的提高.     

一种基于兴趣域的高效对等网络搜索方案

为了改进无结构对等网络中搜索效率低下的问题，提出了一种基于兴趣域的高效搜索方案．和常用的随机搜索方案不同，在所提方案中。文档属性由元数据通过RDF语句描述，拥有相同元数据的节点同属一个兴趣域，搜索请求首先在兴趣域中传播，大大提高了搜索效率．随着搜索过程的进行，节点对兴趣域内其他节点了解越多其搜索效率也越高．通过元数据选择窗口和元数据复制机制，可以进一步提高搜索效率．模拟实验结果证实了所提方案在无结构对等网络中的准确和高效．     

基于小世界特性的网格资源发现算法

对已有的网格资源发现方法进行分析,提出一种以P2P方式实现的、基于小世界特性的非集中式网格资源发现算法。算法将具有相似兴趣属性的结点组织在一起形成兴趣簇,使得搜索请求尽量在簇内进行传播。仿真测试结果表明,该算法可以很好地减少资源发现的通信开销．并有着较高的搜索成功率。     

对等网络中基于结点兴趣的资源查找算法

为了提高对等网络中资源查找的效率,根据P2P结点的群聚特性,构建了基于结点兴趣的覆盖网络,并设计了相应的资源查找算法。算法根据查询请求和结点的相似度来决定搜索策略,在簇内查找请求不能被满足时,请求将被发送到与其兴趣最为相似的其他簇内。仿真测试表明,算法稳定高效,搜索成功率和查找效率均优于传统的搜索算法。     

基于本体的P2P网络资源检索算法研究

为使基于DHT的结构化P2P网络支持语义检索,提高查全率,提出一种基于DHT和本体的搜索方法SOC (semantic ontology chord).针对结构化P2P网络搜索时只能根据关键词精确匹配的缺点,改进了DHT中的资源标识符,利用本体技术进行模糊搜索,并使兴趣相似节点在逻辑上处于邻近位置,提高了P2P网络中资源检索的查全率.使用Peer-Sim模拟器进行了仿真模拟,仿真实验结果表明,随着网络规模的增加,该搜索方法相比Chord模型具有较高的查全率.     

基于P-范式模型的P2P网络分组查询算法

P2P系统的可用性取决于查找数据的有效方法。利用节点兴趣和节点与中心节点的通信延迟建立链接,动态分组P2P网络的节点,查询节点通过中心节点转发搜索请求给其他中心节点,中心节点收到搜索请求后,若查找资源的主题排在本组关注的前K（K一般取1～3）位,则搜索本组内所有节点。在此基础上,提出了一种基于P-范式模型的P2P网络分组查询算法。算法分析和实验结果表明该算法的性能优于MSW查询算法。     

基于兴趣分簇与物理位置感知的P2P网络模型

针对分布式非结构化P2P网络中搜索花费高,效率低的问题,提出了一种层次架构混合P2P网络模型。通过对节点的兴趣分簇,使兴趣相关的节点在网络中相近,查询消息路由到相关兴趣的节点上,有效提高了搜索效率;结合物理位置感知,使物理位置相近的节点在网络中也相近,改善了物理网络拓扑与虚拟拓扑不匹配的问题。     

一种新的基于Flooding的资源发现机制

洪泛机制(Flooding)由于其简单性而被广泛应用于目前的非结构化P2P文件共享系统中,尽管它在内容搜索方面有很高的效率,但同时产生了大量的冗余消息,严重制约了网络的可扩展性。本文提出一种新的基于Flooding的资源发现机制,通过在本地结点维护兴趣簇、簇内结点索引等信息列表来改善Flooding机制的缺点。