基于Ontology的智能信息检索

一、前言对于普通的WWW用户,“信息过载”已经成为一个日益严重的问题。目前广泛使用的信息检索或者依赖编码过程,即对于给定的内容使用特定的观点或分类方法进行描述;或者进行全文检索,搜索包含用户指定词汇的信息源。由于编码的描述只能反映内容的一部分,单个词汇的出现更是难以反映文献的内容,所以以上方法都难以确保检索内容的精确匹配。     

基于感兴趣区域的分层多描述图像编码

结合多描述编码和分层编码的优势,提出一种差错信道下基于感兴趣区域的分层多描述图像编码方法.利用SPIHT编码的分层内嵌特性,将图像编码为多个SPIHT描述码流,同时根据感兴趣区域将每个描述码流分为基本层码流和增强层码流.实际应用中根据网络带宽动态调整多描述增强层的传输,基本层传送给低带宽用户,基本层和增强层一起传送给高带宽用户.实验证明,该方法对于带宽受限条件下的差错信道图像传输具有很好的差错鲁棒性,能为图像感兴趣区域提供有效保护.     

集成多特征与稀疏编码的图像分类方法

采用单一特征时存在提取信息量不足、对图像内容描述较片面等问题,单一编码方法在组织特征向量时也会对图像造成过多的信息丢失.针对这些问题,文中提出一种集成多特征与稀疏编码方法.首先,对图像进行空间金字塔划分,结合尺度不变特征和梯度方向直方图特征之间的优势互补性,提取得到不同的特征集.然后,在不同的特征集上用不同的聚类方法得到不同的视觉词汇本,在每个词汇本上分别进行局部稀疏编码和稀疏编码,得到不同的图像描述集.最后,利用线性SVM进行图像分类,并对得到的多个结果采用投票决策方法决定最终分类情况.实验表明文中方法有良好的准确性和鲁棒性.     

基于word2vec和TF-IDF算法实现酒店评论的个性化推送

TF-IDF算法是一种在信息检索领域常用的加权技术,用来评估一个字词对文档的重要程度,在文本挖掘领域使用TF-IDF算法对文本进行特征提取,将具有较高权重的字词提取出来.这些关键性的字词大体上就能代表该文本所描述的内容.TF-IDF是一种基于统计分析的方法,它并没有考虑到文本上下文的语义关联性.所以,如果单纯只是使用TF-IDF算法对文本进行特征提取效果并不好,文章提出了word2Vec结合TF-IDF算法对酒店评论进行特征词汇提取,使用深度学习wored2vec对酒店评论进行训练,通过word2vec进行上下文索引匹配寻找语义近似词汇,我们将语义相似的词汇构建为一个字典,特征词汇的不同权重反应出酒店评论中不同的关注点.依照这些不同的关注点个性化的推送酒店评论给特定的用户.     

一种用户为中心、基于多视图合成的服务组合方法

用户为中心的服务组合旨在直接地反映用户需求、提高建模灵活性和降低应用构建成本.然而,当前的用户编程方法仍然存在挑战:一方面传统方法以服务为基本元素,忽视了应用背后的业务数据,用户难以从熟知的业务数据角度表达建模需求;另一方面传统方法以控制流为中心,需要精确描述组合细节,非专业的用户不易理解和操作且难以表达业务约束.文中...     

用于聊天词汇的权重计算方法CDTF*IDF

随着聊天室的广泛使用,对聊天内容监控也变成亟待解决的问题.在聊天室监控中,为衡量聊天数据中词汇对聊天内容的描述能力,现在一般直接采用文本词汇的权重计算方法;然而,这种方法忽视了聊天数据与静态文本结构上的差异,导致计算出的权重并不能准确反应词汇描述聊天内容的能力.针对聊天数据的固有特点,提出了一种专门针对聊天数据的词汇权重计算方法CDTF*IDF.该方法通过分别计算词汇在不同数据源中的权值并汇总、并对重点词汇提高权重等方式来计算聊天数据的词汇权重.基于IRC聊天室内容监控的实验表明:该方法能较好地衡量聊天词汇的权重,同时基于该方法的监控系统能够准确地识别出聊天数据中的话题.     

基于词汇相关度模型的个性化元搜索引擎

为了在大量网络Web页面中快速找到用户关心的内容,提出使用词汇之间的"相关度"来存储用户的个性化信息,应用能够在用户进行检索的过程中自动建立针对该用户的"词汇相关度"的算法设计了一个个性化元搜索引擎,并通过使用3种不同的利用词汇相关度对底层搜索引擎所返回的结果进行评估和个性化排序的算法进行实验.这里设计的个性化算法的灵敏度、抗干扰性、语义相关性分析3个指标的实验结果说明该算法最终会影响到网页的排序.基于统计方法的词汇相关度模型是一种有效的个性化信息检索技术,它可以大大提高搜索结果的质量.     

基于本体的禽流感科学数据网格的资源描述

提出一种使用本体描述禽流感科学数据网格中有效资源的方法,使用户获得期望的操作,以形成通用领域词汇的资源描述的语法和语义.然后,针对网格面向服务的体系结构,构建一个基于本体的网格服务.这样,用户和应用程序之间通过基于本体的服务直接交互,改善了对资源的选择和使用,提高了网格资源和服务的访问透明性.     

基于PCTBTA任务模型的用户界面开发方法

为了适应普适计算环境中用户、设备、使用环境和开发平台的多样性,基于模型的方法被应用于用户界面开发过程中,试图在抽象层次上描述界面,通过模型转换,使其适用于不同的平台.然而,由于目前基于模型的用户界面开发方法（model-based user interface development,简称MBUID）中所采用任务模型的局限性,致使生成的界面难以满足动态环境下用户的可用性需求.提出一种基于任务模型的用户界面开发框架,旨在建模和生成有效、高效、令用户满意的用户界面.在可用性方面,为了准确描述普适计算环境中用户任务,提出一种基于感知控制理论的任务分析方法（perceptual-control-theory-based task analysis,简称PCTBTA）,将使用上下文信息引入到任务分析过程中,并且在较高的抽象层次上反映交互的内容,给可用性设计提供任务空间;在技术方面,为PCTBTA任务模型向界面模型的转换提供技术支持.最后,通过实例说明所提出方法的可行性,并通过与其他方法在可用性和性能方面的比较,表明该方法的有效性.     

微博中用户标签的研究

微博环境中用户可以为自己添加标签,用户所添加的标签往往被视为是对自身特点和兴趣的重要描述信息.标签中所包含的信息可能有助于建立精确的用户描述,因此在个性化推荐、专家检索、影响力分析等应用中有潜在的应用价值.首先,在大规模数据上分析和研究了微博中用户添加标签的行为及标签内容分布的特点;之后,通过主题模型对用户的微博内容进行分析,实验结果表明:用户的标签越相似,微博内容也越相似,反之亦然;随后,分析了用户关注关系与微博和标签内容之间的联系,实验结果显示,有关注关系的用户之间微博和标签的内容越相似;基于这个发现,分别使用标签内容和微博内容对真实微博数据中的用户关注关系进行预测,结果表明:基于标签的预测方法其效果明显优于基于微博内容的预测方法,显示出用户标签在描述用户兴趣方面的价值.