语义Web环境下的信息检索机制研究

人们借助搜索引擎在网络资源中查找所需信息,但搜索引擎本身并不理解要检索内容的真正含义,只是严格的按照关键词进行匹配.语义Web的目标是实现网络资源的机器理解,成为近年来一个新的研究热点.将Agent思想应用到语义Web中,提出了语义Web环境下的信息检索模型,介绍了模型中每个组成部分的功能.然后以图书信息检索为应用背景,将提出的信息检索模型进行了应用.结果表明,信息检索的查准率和查全率都有了较好的改善.     

基于独立关键子块的图像检索新方法

传统文本检索中很多好的方法很难在图像检索中得以应用，因为文本检索是基于关键宇进行相似信息检索的．为了有效利用文本检索中业已存在的好方法，提出基于独立关键子块进行图像检索的新方法：首先通过独立分量分析方法得到图像独立关键子块空间，然后使用模糊支持向量机去识别每幅图像中所包含的独立关键子块，这样就可以采用类似文本中关键宇检索方式去实现相似图像检索．     

基于对象的彩信图像检索系统的研究与实现

基于对象的彩信图像检索系统是继图像检索和彩信检索结合的新一代信息检索技术,介绍了目前热门的基于对象的图像检索系统的概念,以及应用到彩信检索领域的工作原理.在基于对象的图像检索基础上,加入了对图像中区域对象的识别过程,并将识别结果存入图像属性索引数据库,然后在检索过程中根据用户输入的对象查询请求,到数据库里进行检索,最终将检索结果返回给彩信用户.     

一种基于移动Agent的分布式信息检索优化模型

本文以移动agent在信息检索系统中为应用背景,设计了基于多移动agent的分布式信息检索优化模型.在模型的求解过程中,提出了求解的启发式策略,以寻找使总的检索时间最小的路由.目标是获得在一次信息检索中的通信、处理资源耗费最小的优化结果.并和其它启发式策略进行了比较,以达到优化的目的.     

基于向量空间的信息检索模型的改进

向量空间模型是有代表性的信息检索模型之一,针对该模型存在的问题进行了研究和探讨.在仅用统计词频表-示文档向量方面,引入知网作为语义知识库,提出基于概念的特征选择模型;在因词语的同义和多义,不能满足文档向量相互独立方面,提出潜在语义索引模型.实验验证了改进后的检索模型更能体现文本的内容,降低文本向量的维数,提高检索的准确率.     

WEB信息检索与WEB数据挖掘

首先分析了WEB信息检索的现状,主要针对WEB信息检索的局限性,引出WEB数据挖掘,并对WEB数据挖掘技术作了概要的介绍.然后,讨论了WEB数据挖掘与WEB信息检索之间的关系,最后阐述了如何将WEB数据挖掘的研究成果应用到WEB信息检索领域中,从而提高WEB信息检索的效率和质量.     

改进的向量质心模型在实时信息检索中的应用研究

将相关反馈技术应用于信息检索中可以学习和明确用户的信息需求,并对检索结果进行信息过滤,是提高信息检索效果的有效手段之一。除了准确率和召回率之外,过滤算法的适应性、速度也直接影响用户使用信息检索系统的体验。采用向量空间模型表示文档的内容预处理工作少,计算简单,适用于实时信息检索。结合偏差最小的基本原理,将改进的反馈文档向量的质心应用于信息重排。以重排的应用场景,在TREC Filtering Task数据集上进行仿真,并与基于关键词检索和类质心的检索方式进行了试验比较。     

自动化专业网络信息检索原理及实现

文中揭示了专业信息检索工具的原理及实现方法.网络信息检索技术是检索自动化专业信息的重要方法,也是计算机应用方面的一项重要技术.网络信息工具的实现是一项复杂的技术,在该工具系统的核心部分包含有大型数据库的建立和网络编程实现技术.数据的采集技术维持着大型数据库的数据容量和数据库内容的不断更新,以编程技术的提高来完成检索的准确性目标.     

基于粗糙集的信息检索方法研究

信息检索的目标在于帮助用户准确而高效地检索得到相关信息.传统的方法不能精确识别用户要求的信息.将粗糙集理论应用于信息检索,利用能处理不精确和不完备信息方面的优势,把用户查询与数据库中对象间相关程度划分为若干等级标准,并定义相关贴近度函数,提出了一种扩充和优化用户查询的新方法,并给出其算法实现.新方法隐含了布尔逻辑,可实现索引词加权,具备将检索命中文档排序的能力,帮助用户实现对检索信息的准确定位.最后通过仿真实例验证了改进方法的可行性和有效性.     

向量空间模型中的用户模型建立方法探讨

传统的向量空间模型信息检索技术,只是简单的统计检索信息在文档中出现的频度,检索结果时常欠缺查全率与查准率,作者在此基础上提出了用户模型的建立方法,借助辅助个性化信息库设计了新的用户模型,改进了信息检索方法,提高了信息检索的智能化程度.     

Classification accuracy is not enough

We argue that an evaluation of system behavior at the level of the music is required to usefully address the fundamental problems of music genre recognition (MGR), and indeed other tasks of music information retrieval, such as autotagging. A recent review of works in MGR since 1995 shows that most (82 %) measure the capacity of a system to recognize genre by its classification accuracy. After reviewing evaluation in MGR, we show that neither classification accuracy, nor recall and precision, nor confusion tables, necessarily reflect the capacity of a system to recognize genre in musical signals. Hence, such figures of merit cannot be used to reliably rank, promote or discount the genre recognition performance of MGR systems if genre recognition (rather than identification by irrelevant confounding factors) is the objective. This motivates the development of a richer experimental toolbox for evaluating any system designed to intelligently extract information from music signals.     

一种新的个性化的图象分类方法

图象分类系统的建立是信息检索以及模式识别中一个重要部分，其中，特征选择问题，即确定描述图象的特征参数是需要解决的关键问题，基于和图象检索技术的研究，近来得到了广泛的关注，由图象特征向量维数过高而引起的图象检索困难是基于内容的图象检索技术研究所面临的一个挑战，因此需要寻找一个有效降维技术，为解决此问题，设计了一个新的图象分类标准模型，通过寻找不同的特征组合来作为分类标准，进而提出了一种算法，用于实现此模型，实验结果显示，该模型能实现图象特征向量降维，并且算法能够极大地降低计算所花费的时间，同时，多种不同分类标准的引入，使得本方法能与信息检索技术进行有效的结合，为个性化信息检索提供一种实现思路。     

基于形状特征的图像检索技术研究

随着图像信息数量的飞速增长，人们迫切需要对大量的图像信息进行快速、有效的检索。因此，研究者们提出了许多图像检索新技术。阐述了图像检索技术的发展过程；分析了基于形状特征的图像检索技术研究现状和局限性；着重从特征提取、高层语义和形状特征的关联、高维索引技术等方面研究了基于形状特征的图像检索的发展趋势。     

Retrieval of high-dimensional visual data: current state,trends and challenges ahead

Information retrieval algorithms have changed the way we manage and use various data sources, such as images, music or multimedia collections. First, free text information of documents from varying sources became accessible in addition to structured data in databases, initially for exact search and then for more probabilistic models. Novel approaches enable content-based visual search of images using computerized image analysis making visual image content searchable without requiring high quality manual annotations. Other multimedia data followed such as video and music retrieval, sometimes based on techniques such as extracting objects and classifying genre. 3D (surface) objects and solid textures have also been produced in quickly increasing quantities, for example in medical tomographic imaging. For these two types of 3D information sources, systems have become available to characterize the objects or textures and search for similar visual content in large databases. With 3D moving sequences (i.e., 4D), in particular medical imaging, even higher-dimensional data have become available for analysis and retrieval and currently present many multimedia retrieval challenges. This article systematically reviews current techniques in various fields of 3D and 4D visual information retrieval and analyses the currently dominating application areas. The employed techniques are analysed and regrouped to highlight similarities and complementarities among them in order to guide the choice of optimal approaches for new 3D and 4D retrieval problems. Opportunities for future applications conclude the article. 3D or higher-dimensional visual information retrieval is expected to grow quickly in the coming years and in this respect this article can serve as a basis for designing new applications.     

基于连续小波和支持向量机分类音乐类型

音乐类型分类主要包括两个阶段：特征提取和分类。文中在研究小波变换理论基础上,采用连续小波分析方法提取音乐特征参数。支持向量机是专门针对有限样本情况下的一种分类方法。它是建立在统计学习理论的VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的推广能力。采用指数径向基函数（脚）内核,分类正确率可达85％,比传统的混合高斯模型和K近邻分类器,分类性能分别提高了21％和23％。实验结果表明,采用小波和支持向量机方法是一种相当有效的音乐类型分类方法。     

多媒体信息检索研究与展望*

对近几年在多媒体信息检索领域的研究成果进行分析,总结了多媒体信息检索的研究现状,指出了该研究领域的发展方向,最后提出了多媒体信息检索技术研究面临的挑战.     

Elasticsearch在车牌识别系统中的应用研究

为了提升车牌识别系统中海量识别数据与涉案车辆、交通违法等信息的实时分析、计算与检索性能,在对传统技术分析的基础上,针对现有系统中无法实现大数据分析与检索的问题,提出了利用Elasticsearch大数据实时检索技术构建交通大数据处理平台,在此架构上对交通识别数据进行实际测试。实验结果表明,所用技术能够有效解决目前的交通大数据检索和分析等关键问题,各项指标都满足了用户需求。     

Extraction of salient textual patterns: synergy between lexical cohesion and contextual coherence

Most current information retrieval systems rely solely on lexical item repetition, which is notorious for its vulnerability. In this research, we propose a novel method for the extraction of salient textual patterns. One of our major objectives is to move away from keywords and their associated limitations in textual information retrieval. How individual sentences in text fit together to be perceived as a salient pattern is identified. A text network that exhibits textual continuity, arising from a connectionist model, is described. The network facilitates a dynamic extraction of salient textual segments by capturing semantics from two different categories of natural language, namely lexical cohesion and contextual coherence. We also present the results of an empirical study designed to compare our model with the performance of human judges in the identification of salient textual patterns. The preliminary results show that our model has the potential for automatic salient patterns discovery in text.