一种关系数据库关键词检索相关反馈方法

在关系数据库关键词检索(KSORD)中,用户的检索往往不能一次成功,有时需要多次重构查询(找到一组新关键词)来进行检索,但是查询的重构往往要花费用户大量的时间和精力.针对KSORD的结果,提出了一种相关反馈方法来自动重构查询.该方法选用基于向量空间模型的打分机制对KSORD结果打分,根据用户反馈或伪反馈的结果信息,采用基于概率的方法计算扩展用的语词,以查询扩展的方法自动重构查询进行再次检索.实验结果表明,这种方法能够为用户提供更多的相关结果.     

基于查询扩展和数据融合的检索过程优化

介绍典型的检索过程优化方法——数据融合和基于相关度反馈的查询扩展,前者通过集成多个检索结果提高检索性能,后者执行多次查询,依据前次结果修改／扩展用户查询,以求更好地反映用户信息需求,并在此基础上提出一种新的检索过程优化方法——HQD方法,由相关度反馈结果生成多个替代查询,在检索这些替代查询后,采用求和余弦法生成最终检索结果。仿真实验结果表明,该方法是有效的。     

基于灰色系统理论的多特征相关反馈图像检索

探讨了灰色系统理论在相关反馈图像检索中的应用,提出了一种基于灰色系统理论的相关反馈图像检索算法,动态地更新查询向量,从而使图像检索结果与人的主观感知更加接近,具有自适应性。实验结果表明,文中的方法是很有效的。     

基于相关反馈的语音检索引擎

提出并实现了一种基于相关反馈的语音检索引擎，该引擎基于Sphinx语音识别工具将语音转化为文本，再采用Lucene对文本进行索引。为了提高语音检索的质量，系统引入了相关反馈机制，不仅通过局部相关反馈修正用户的查询，还通过全局类相关反馈机制挖掘Sphinx的识别错误模式，扩展了用户的查询，大大增强了该索引系统的准确性和实时动态性。实验结果证明该系统能符合检索者的需求，具有实用价值。     

863信息检索评测--自动化所

本文主要介绍我们参加863信息检索评测的情况.我们的信息检索系统采用基于语言模型的信息检索方法,将命名实体技术运用在查询向量的构造中,利用基于链接分析的PageRank算法计算文档的先验概率,并在自动查询中采用了相关反馈技术.文章还介绍了系统构成的软硬件环境及相关评测数据,给出了对待自动查询和人工查询的不同策略,并通过实验结果的比较,分析了中文信息检索中比较有效的方法,最后给出了系统存在的不足以及今后改进的方向.     

查询子空间在图像检索中的应用

近几年来,为了解决图像检索系统中由底层视觉特征和高层语义之间的差异所造成的检索困难,从信息捡索中引入了相关反馈技术。在过去几年中,它在该研究领域取得了一定的成功。文章提出了一种利用反馈信息建立“查询子空间”的检索模型,它将用户的语义查询进行基于视觉特征的分类,构造多个“查询子空间”,这些子空间拥有自身的查询模型和检索模型,最后的检索结果根据这多个“查询子空间”的检索结果得到。该模型具有较强的灵活性、扩展性,有效地利用了用户的反馈信息,动态地建立了底层视觉特征和高层语义之间的映射,能适应不同用户的查询。同时,将负反馈信息合理地融入到该模型中,提高了系统的检索效率。实验结果表明采用该检索模型的系统相比现有的检索系统性能有了较大提高。     

历史信息学习的相关反馈图像检索

相关反馈技术被有效的应用于基于内容的图像检索.传统的相关反馈未能充分利用检索的历史信息.为了进一步提高检索的效率与准确性,提出一种基于历史检索信息学习的相关反馈检索方法.该方法将每次检索的结果作为历史检索信息保存.进行新的检索时,判断当前查询图像与历史检索信息的语义相关性,预测检索结果,以期减少相关反馈次数.对包含80 00幅图像的图像库实验表明,与传统相关反馈技术相比,该方法明显的改善了检索性能.     

基于受限随机选择和检索结果集的相关反馈

本文将相关反馈看成一个二分类问题,从反馈中固有的问题和用户的需求为出发点,在传统的移动查询点的基础上,提出了改进的基于受限随机选择和检索结果集的图像检索相关反馈系统。实验证明,该方法很好的解决了反馈中固有的小样本问题和正负样本不对称的问题。同时,综合利用用户的反馈信息,在较少的反馈次数内得到了较好的检索准确率。     

基于前向神经网络的图像检索相关反馈算法设计

相关反馈技术是近年来较为重要的图像检索方法，该文从机器学习的角度出发，提出了一种基于神经网络的相关反馈算法，在检索过程中，用户可以标记出与查询图像相似的正例样本反馈给系统，然后由系统构造出前向神经网络并再次进行检索，以改进查询结果。该文对用于训练前向神经网络的构造性算法在图像检索中的几何意义进行了深入的研究，并在此基础上给出平移算法、反例标记学习算法、球半径系数自适应算法等，从而使基于神经网络自学习的相关反馈算法更加完善。实验表明，改进后的算法在图像检索中具有更好的性能和更强的推广能力。     

相关反馈在古籍页面图像内容检索中的应用

"基于视觉相似性的古籍内容检索系统"将汉字看作图像,对它提取特征,进行基于内容的图像检索.古籍字符的语义特性和基于内容图像检索的局限性使系统目前的查询表现仍然无法满足用户的需求.相关反馈是近年来图像检索领域的一个研究热点,该项目将相关反馈的基本原理用于古籍检索系统,采用"修正查询向量"的方法来改善检索效果.本项目的创新之处在于第一,相关反馈是针对古籍检索样本中的多个对象同时进行的;第二,对正例和负例采用了不对称的处理方法.实验表明,相关反馈机制的加入大大提高了系统的查全率,对查准率也有一定改善.     

基于区域熵的图像检索

提出了一种新的基于区域熵的图像检索算法RECS，不仅利用图像的子块熵来描述图像的特性，而且依据熵信息的均值和方差将图像分割为高熵子图和低熵子图两部分。综合图像区域的颜色形状特征和分两步的图像检索过程，有效提高检索准确性的同时也节省了检索时间。实验结果表明，RECS算法对前景单一和前景复杂图像的检索效果同样令人满意。     

基于EBP-OP算法与纹理特征的图像检索

基于纹理特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。文章提出了一种基于图像纹理特征与多层前馈神经网络EBP-OP算法的图像检索方法。首先运用灰度共生矩阵提取图像的纹理特征,然后用EBP-OP算法对提取的纹理特征进行分类,并在此基础上实现一组纹理图像的检索,实验证明这种方法是有效的。     

基于选择关系嵌入算法的图像检索方法

结合流形学习和相关反馈技术的图像检索方法关键是结合低层可视化信息,从少量用户反馈信息中学习用户语义,以获得语义子空间流形。为获得更真实的语义子空间,文中在区分对待低层可视化和用户反馈信息的同时,基于低层可视化信息选择学习反馈信息中的类内和类间关系,提出一种选择关系嵌入算法应用于图像检索。该方法可保留更真实的语义流形结构,从而提高在低维空间中的检索精度。实验结果表明文中方法可将图像映射到更广范围的低维空间,在反馈迭代两次之后检索精度提高最高可达16。3%。     

一种分级检索MPEG视频的方法

视频检索是当前的一个研究热点.以前的检索方法大多在像素域中进行,需要较大的解码运算量;且不加区分地对所有视频片断采用统一的匹配算法,浪费了许多不必要的计算.提出了一种基于样本的分级检索MPEG视频的新方法:首先用I帧的dct_dc_size字段快速粗检,然后用断层摄影(tomography)法分析B帧运动矢量的时空分布特性以进一步缩小结果集,最后用DC图像的精确匹配方法验证检索结果.试验结果表明,本方法所需计算量较小,且可保证较高的检索精度.     

一种基于相邻匹配的分形图像检索算法

分形码用来描述图像内跨尺度相似性冗余信息。通过分形码记录图像特征并将其用于图像相似度判断及图像检索。基于自适应四叉树分割方法,提出了图像快速分形编码方法。所提方法通过邻域内固定块的相似性判别快速提取分形码,减少了图像分割层次,缩短了编码时间并保证了图像解码质量。同时提出了一种新的快速判别图像间相似块的距离公式,提升了图像相似度判断的准确性。实验结果表明,相对于灰度直方图判别法,本算法大幅提高了图像检索的查全-查准率。相比于文献中的分形检索算法,本算法缩短了编码时间并降低了分割块数,从而提高了检索效率。     

基于改进K-means聚类的案例检索策略

针对目前基于案例推理系统中案例检索存在的问题,根据K-means算法思想,分别设计一个案例聚类算法及案例检索算法。根据K-means算法的不足,对初值选取规则及案例检索算法进行改进。分析基于案例权重的样本案例选取规则,并论述案例聚类算法和检索算法。实验结果表明,该方法能有效提高案例检索效率及案例检索结果的召回率。     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

基于领域本体的新闻视频检索

新闻视频作为视频数据中有代表性的一种媒体,受到人们的广泛关注,对新闻视频的检索要求也越来越高.传统的新闻视频检索大多是非语义层面的,采用的是基于关键词的检索方法，难于获得令人满意的查准率和查全率．本文提出一种基于领域本体的新闻视频检索框架，定义了新闻视频检索中的新闻视频对象，使用语义表达能力强的领域本体来指导视频语义对象的标注，并针对“一词多义”问题提出了“概念域-概念”两阶段概念消歧算法；针对自然语言检索问题，使用领域本体进行查询优化和查询扩展，并提出了查询语句自动生成方法．实验表明，基于领域本体的新闻视频检索方法可以有效的提高检索性能．     

基于XML的检索结果聚类方法

针对XML文档的半结构化特点,提出一种建模XML检索结果片段的新思路,设计综合内容和结构语义信息度量相应文档相似性的方法,给出一种适应检索结果聚类应用需求的动态均值软聚类算法。实验表明,面向XML的检索结果聚类方法聚类效果优于传统方法。     

基于排序学习算法的智能检索系统

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点,基于排序学习算法构建智能检索系统,提升检索结果和用户请求的相关性。对排序学习算法理论进行研究,对常用的排序学习算法进行相关优化,将分类问题扩展到文本排序问题之上,定义相关的目标函数及损失函数,使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统,通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上,提升检索语句与返回结果之间的相关性和检索的准确度。