基于语义Web服务的信息检索模型研究

为解决传统基于关键词的信息检索机制的语义信息缺失问题,在对语义Web和Web服务关键技术描述的基础上,本文提出分布式网络环境下基于语义Web服务的信息检索模型。通过对模型中每一层功能的分析,提出基于语义相似度的信息检索机制,并为实现异构系统的信息集成和共享提供解决方案。最后实现基于语义Web服务的信息检索原型系统,并通过仿真实验进行性能分析。结果证明,本文为实现自动化与智能化信息检索提供一种较好的解决方案。     

基于Agent的网格资源分层管理模型设计

资源管理系统是网格最核心的组成部分。网格上的资源具有分布性、异构性、动态性等特点。使得网格中资源共享的实现比以前的系统更加困难，资源管理系统设计的难度也相应增加了。目前。国内外对网格资源管理的相关研究主要包括理论模型和实验产品两个方面。这两方面的研究都做得还不够，现有的产品还不够成熟。本文提出了一种基于Agent的资源分层管理模型，对各层功能进行了详细说明。     

基于语义向量模型的Web服务匹配方法*

针对当前Web服务匹配方法中存在的缺陷,将语义Web服务匹配方法与信息检索技术相结合,提出一种利用语义相似度扩展向量模型的Web服务匹配方法,并通过实验对匹配效果进行了检验与分析。实验结果证明,与基于经典向量模型的匹配方法和相关语义匹配方法相比,该匹配方法具有更高的准确率。     

基于多Agent技术的Web Service模型研究

为了适应Intemet上的信息膨胀,提高Web Service的服务效率和灵活性,把Agent技术引入到Web Service模型中.介绍Web Service的基木慨念和模型,阐述了Agent技术及其特点,提出基于多Agent技术的Web Service模型,给出了Web Service模型中三种角色的详细没计,最后说明此模型的工作过程和优点.     

基于本体的教育资源语义检索研究

为解决教育资源检索过程中检索信息缺乏语义理解,导致检索效率低的问题,提出了一种改进的基于本体的教育资源语义检索。通过语义查询扩展、本体中概念相似度计算等环节的研究,构建语义检索模型,并对模型实现的关键技术进行分析,在一定程度上提高了教育资源检索中的语义处理能力和检索效率。     

一种基于Agent技术的Web Mining模型

本文通过简要介绍web mining和agent技术，提出agent技术在web mining上的模型，对web mining技术进行一些探讨。     

基于语义Web的本体与多Agent集成研究

语义Web服务是在分布式环境下构建复杂系统的一种新兴技术.阐述了语义Web中本体的核心概念和多Agent系统的主要特点.在此基础上,提出了基于本体的多Agent系统的体系模型,并探讨了该架构对于构建开放的、动态的、异构的多Agent系统所具有的优越性.     

基于多Agent的Web服务异常处理模型

为有效解决Web服务中存在的各种异常,结合多Agent的特性,提出了一种基于多Agent系统的异常处理模型。该模型利用了Agent的协作性、推理和自学习的特性,使异常得到有效地捕获和处理。同时,也为用户提供了友好的异常提示信息,并保证了Web服务器信息的安全性。     

基于Agent的Web教学系统模型研究

传统的Web教学系统存在一些明显的缺点和不足，本文提出一个基于Agent技术的Web教学系统模型，突出教学系统对学习者的主动引导功能。实现学习者之间一定程度的协作，并能对学习者的学习效果的按照某种评价策略做出即时评价。     

整合Agent与语义Web服务

目前的语义web服务方法和标准提供了很多由Agent平台操纵的基础设施,这有利于Agent与语义web服务的结合。本文分析了语义web服务与Agent之间的关系,提出Agent的主要角色是用来封装用户的意图,协调用户的目标,并最终调用web服务.我们利用当前的Agent技术与语义web服务技术,设计出自己的平台,整合了Agent BDI模型与语义Web服务。     

语义网资源采集中选种模块的设计与实现

Falcon-F系统是一个语义网资源采集、索引和检索系统,本文对Falcon-F系统里语义网资源采集过程中的选种工作进行了阐述。首先介绍了语义网资源采集和目前的研究现状,然后重点阐述了语义网资源采集过程里选种的具体设计和实现,以及对相关问题的解决,最后是总结与展望。     

Web服务组合的层次颜色Petri网描述模型

针对Web服务组合流程资源的表达及组合流程正确性验证问题,提出一个基于层次颜色Petri网的Web服务组合描述模型,该模型在描述组合流程控制流的同时还能描述流程中的数据流,能较全面地刻画Web服务组合流程,并且支持对组合流程正确性的验证分析、实例化流程的仿真运行。建模实例验证了该模型的有效性和实用性。     

基于改进决策树算法的网络关键资源页面判定

关键资源页面是网络信息环境中一种重要的高质量页面,是用户进行网络信息检索的主要目标.决策树算法是机器学习中应用最广的归纳推理算法之一,适用于关键资源页面的判定.然而由于Web数据均一采样的困难性,算法缺乏有足够代表性的反例进行训练.为了解决这个问题,提出一种利用训练样例的统计信息而非个体信息进行学习的改进决策树算法,并利用这种算法实现了独立用户查询的关键资源页面判定.在2003年文本信息检索会议(Text Retrieval Confefence,简称TREC)标准的评测条件下,基于此种改进决策树算法的大规模网络信息检索实验获得了超过基本算法40%的性能提高.这不仅提供了一种查找Web关键资源页面的有效方式,也给出了提高决策树算法性能的一个可行途径.     

基于本体论相互属性的Web资源元数据模型

要使Web资源支持资源的自动发现,首先需要对Web资源提供必要的描述。Web资源的元数据模型——资源描述框架只能表示资源之间的二元关系,多元关系必须转化为二元关系后才能表示。然而多元关系与其转化为多个二元关系后所具有的语义是不相同的。针对资源描述框架存在的上述问题,该文引入本体论相互属性的概念,避免了不恰当地使用多个二元关系表示多元关系。同时给出了Web资源元数据本体模型的XML标记库,使得描述Web资源的本体模型可以在Web网络上传输,并被搜索引擎解析和理解。     

基于分层并行筛选样本的SVM增量学习算法

在增量学习过程中,随着训练集规模的增大,支持向量机的学习过程需要占用大量内存,寻优速度非常缓慢。在现有的一种支持向量机增量学习算法的基础上,结合并行学习思想,提出了一种分层并行筛选训练样本的支持向量机增量学习算法。理论分析和实验结果表明:与原有的算法相比,新算法能在保证支持向量机的分类能力的前提下显著提高训练速度。     

一种基于软件Agent面向Web Services的工作平台

构造了基于软件Agent面向Web Services的工作平台（JAWS平台）。介绍了JAWS平台的设计思想和整体构成,并分析了平台中各个组成部分以及它们之间的关系,给出了平台中web Services的执行流程。在此平台中,软件Agent是一个自治的代表用户利益的实体,软件Agent独立与用户交互,查询满足用户需求的Web Services,并将其组成复合服务。在复合服务执行过程中,由软件Agent在恰当的时间逐一触发复合服务中的web Services,并监视其执行过程,控制平台的一切行为。由于采用了软件Agent技术,JAWS平台具有了自主性、智能性、开放性。     

基于分层并行筛选样本的SVM增量学习算法

在增量学习过程中，随着训练集规模的增大，支持向量机的学习过程需要占用大量内存，寻优速度非常缓慢。在现有的一种支持向量机增量学习算法的基础上，结合并行学习思想，提出了一种分层并行筛选训练样本的支持向量机增量学习算法。理论分析和实验结果表明：与原有的算法相比，新算法能在保证支持向量机的分类能力的前提下显著提高训练速度。     

基于DHT的层次式P2P资源定位模型

P2P系统的一个核心问题是如何高效定位所需资源。该文提出了一种基于DHT(distributedhashtable)的层次式资源定位模型,将层次式引入结构化P2P系统。模型将节点组织成一个多层网络,每层可以包含多个DHT子网。该模型有助于解决P2P网络的可扩展性和可管理性问题。模拟测试表明,模型在路径长度和访问延迟方面的性能优于原DHT。     

基于Web技术的教育城域网资源中心建设

介绍了教育城域网综合管理信息平台的总体架构,及其核心内容资源中心的建设方案,包括基于Web技术的网络体系结构的搭建和设计,共享机制的设计,以及系统功能的设计。