基于OWL属性特征的语义检索研究

在文献检索中.概念的语义相似度计算直接影响查准率和查全率指标.将本体描述语言OWL(Web Ontology Language)的属性特征有机结合到语义检索模型中,设计本体内实体闻匹配度算法,度量概念的相似度,并对检索指标参数化.设计的原型系统实验表明,通过参数化可以有效调节检索的性能指标,定制用户的检索.     

基于本体知识库的语义推理机制研究

语义Web与本体技术的出现为智能搜索问题的实现提供了契机,本文在重点研究基于本体知识库的语义推理机制的基础上,提出一个基于语义推理的智能搜索系统模型,并设计实现了一个改进型IS-Reason推理算法,对语义搜索技术的实现具有积极意义。     

基于语义的数字图书馆检索模型研究

随着网络技术的快速发展,数字图书馆已经成为信息传播和获取的重要途径。而现阶段的数字图书馆缺乏具有语义性的匹配,同时没有提供计算机可读的语义信息。结合图书馆的具体应用,构建了基于本体语义技术的数字图书馆检索模型,并设计实现了一个检索系统原型,然后综合分析并利用DC元数据,建立了描述图书元数据的本体,同时结合图书馆的具体应用,构建了基于本体语义技术的扩展检索模型。最后,根据上述扩展检索模型设计了检索系统原型,并通过三组实验对比,验证了构建的检索模型的有效性和实用性。     

语义Web在信息智能检索上的应用

针对传统搜索引擎日益暴露的缺陷．信息检索智能化的研究不断深八展开。语义Web的研究就是其中妁一个应用。语义Web规划对当前的万维网进行扩展，用XML描运数据，提供RDF描述元数据，以RDF Schema或OWL表示本体．通过推理机制，用加入信息中的语又内容引导搜索信息资源，以提高网络服务的智能化．使机器自动与人协同工作。目前，语义web还是个理想模型，但将语义web融入现有web结构进行信息智能检索的初步努力已经在进行之中。     

基于本体的语义查询系统模型

由于网络的快速发展,人们每天被大量的信息包围。如何从中找出有价值的信息成为急需解决的问题。而现在大多数搜索引擎采用的是关键词匹配的方式,无法从语义的层面上理解用户的需求,导致查不准和查不全的情况,最终不能满足用户的需求。提出了基于本体的语义查询系统模型,通过本体来组织知识,让计算机能读懂查询条件,同时用wordnet来辅助查询,从而提高信息的查准率和查全率。还提出借助wordnet实现本体自我完善的方法,并增加了关键词快速查找表来加快查询的速度。     

基于医学本体的语义相似度算法研究

基于本体的信息检索技术能够提高在复杂环境中的信息检索效率,而语义相似度计算是基于本体的信息检索技术的关键技术。在医疗领域本体的基础上,通过分析讨论了概念间的语义相似度与相关度,并对概念间的语义相似度与相关度的影响因素进行研究,提出了一种计算医疗概念间的语义相似度及相关度的数值,并得到两者综合值的计算模型。实验结果表明,该模型能够提高相似度数值的有效性,并通过对相似度数值的计算体现出医疗领域概念间的复杂关系。     

基于语义Web服务的电子政务模型研究

提出一种基于语义Web服务并结合智能Agent关键技术的电子政务模型.该模型允许政府部门采用不同的平台和语言开发自己的语义Web服务,所有的服务使用标准的协议规范进行集成和交互,解决了电子政务缺乏智能和语义互操作两大难题.     

浅谈一种基于过程本体的语义检索方法

本文首先提出了在知识检索领域中的如何能够高效快速地获取到知识的问题,随后分析了现有检索技术,主要是关键字检索和框架语义检索的优缺点,进而提出了一个基于过程本体库的语义检索算法,并分别论述了此种语义检索算法中的定义过程本体、索引本体、定义检索词和内容匹配四个步骤,最后指出了基于过程本体的语义检索的优点和缺点。     

语义检索技术研究

语义检索是信息检索的一个新的研究方向,已逐渐成为许多领域的有用工具。在介绍语义检索的基本特点以及语义检索的意义的基础上,对现有语义检索的主要思想方法进行了总结,最后对语义检索的发展方向进行了展望。     

基于本体的语义Web服务注册平台研究

提出了一种基于本体的语义Web服务注册模型,结合Jena实现语义Web服务的语义查询和推理.应用元模型互操作框架(MFI)中的本体注册元模型标准,以实现与其他注册模型的语义互操作,并给出了一个基于该模型的语义Web服务注册平台.     

A MultikeyRank Model Based on Ontology for Large-Scale Semantic Data

In order to provide users with intelligent retrieval services over large-scale semantic data, this paper proposes a MultikeyRank model. ORDPATHs is adopted to encode ontology classes defined in TBox and an inverted index is constructed according to the structured charac- teristics and semantic association of RDF data. A new query mode with one primary keyword and several auxil- iary keywords is designed. To reflect the user＇s perference objectively, the membership degree for ontology classes corresponding to the primary keyword is calculated based on the evidence theory and thus the MultikeyRank algo- rithm is formulated by extending the BM25F model accord- ingly. The proposed model was implemented in the self- developed distributed large-scale RDF data server “Jing- wei” and experimental results show that compared with BM25F, the evaluation indexes for P@5, P@10, P@15 and MAP are improved by 27.6%, 24.3%, 18.5% and 3.7% ,re- spectively.     

物联网语义架构和语义关键技术研究

介绍物联网语义的概念和意义,提出物联网语义架构,并针对该语义架构中涉及的关键技术进行阐述,最后从技术角度对物联网语义的发展趋势进行展望。     

一种基于语义相似度的P2P数据查询方法

目前P2P网络中数据查询在语义方面的研究较少,而基于DHT的数据检索只支持准确查询,导致查询准确率不高,但是好的索引项的建立会给查询带来很大的方便。本文结合了RDF和Word Net在语义方面的特点提出了一种新的简易RDF概念列表来表示文档,并通过计算语义相似度来决定输出结果的P2P数据查询方法。仿真实验证明本文方法可以较好的提高查询成功率。     

基于纹元森林和显著性先验的弱监督图像语义分割方法

弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型,使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息,同时此类参数方法受到复杂度限制,无法使用大规模的弱监督训练数据。针对以上问题,该文提出一种基于纹元森林和显著性先验的弱监督图像语义分割方法。算法使用弱监督数据和图像显著性训练随机森林分类器用于语义纹元森林特征(Semantic Texton Forest, STF)的提取。测试时,先将图像进行过分割,然后提取超像素语义纹元特征,利用朴素贝叶斯法进行超像素标记的概率估计,最后在条件随机场(CRF)框架下结合图像显著性信息定义了新的能量函数表达式,将图像的标注(labeling)问题转换为能量最小化问题求解。在MSRC-21类数据库上进行了验证,完成了语义分割任务。结果表明,在并未对整个训练集建立图模型的情况下,仅利用单幅图像的显著性信息也可以得到较好的分割结果,同时非参模型有利于规模数据分析。     

基于远距离射频卡的机动车物联网技术

针对机动车信息识别和监控课题,提出在机动车上安装远距离射频信息卡,在道口安装机动车信息固定采集器,为执法人员配置移动或手持采集器,采集器将机动车信息汇集到监控中心,从而构建低成本的机动车物联网和智能交通系统,有效地解决了机动车流量监控、可疑车辆追踪、套牌假牌识别等问题。     

基于物联网环境的云存储及安全技术研究

文章基于云存储的架构模型和云存储的关键技术,从可用性、可靠性和数据共享3个方面分析了云存储与物联网的结合的可行性,探讨了云存储在物联网环境下所面临的安全问题及相应的解决办法和物联网环境下的云存储平台结构模型,并对云存储在物联网中的未来发展趋势进行了展望。     

基于结构化P2P的语义查询技术

由于P2P系统可以高效地对资源进行共享而受到关注,但现在的P2P仅支持精确查找或者通过洪泛方式进行低效率文本检索。为了解决这个问题,该文提出了一种结构化P2P环境中的文本检索系统,使用LSH函数将高维语义相关的文本向量映射相近的节点上,并解决了由此带来的负载均衡问题。实验结果显示该系统具有很好的查询准确率和负载均衡性能。     

基于区域与深度残差网络的图像语义分割

该文提出了一种结合区域和深度残差网络的语义分割模型。基于区域的语义分割方法使用多尺度提取相互重叠的区域,可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络(CNN)自主学习特征,可以针对逐像素分类任务进行端到端训练,但是这种方法通常会产生粗糙的分割边界。该文将两种方法的优点结合起来：首先使用区域生成网络在图像中生成候选区域,然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图,结合候选区域以及特征图得到区域的特征,并将其映射到区域中每个像素上;最后使用全局平均池化层进行逐像素分类。该文还使用了多模型融合的方法,在相同的网络模型中设置不同的输入进行训练得到多个模型,然后在分类层进行特征融合,得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明该文方法具有较高的平均准确率。     

基于语义导向的光场图像深度估计

光场图像的深度估计是3维重建、自动驾驶、对象跟踪等应用中的关键技术。然而,现有的深度学习方法忽略了光场图像的几何特性,在边缘、弱纹理等区域表现出较差的学习能力,导致深度图像细节的缺失。该文提出了一种基于语义导向的光场图像深度估计网络,利用上下文信息来解决复杂区域的不适应问题。设计了语义感知模块的编解码结构来重构空间信息以更好地捕捉物体边界,空间金字塔池化结构利用空洞卷积增大感受野,挖掘多尺度的上下文内容信息;通过无降维的自适应特征注意力模块局部跨通道交互,消除信息冗余的同时有效融合多路特征;最后引入堆叠沙漏串联多个沙漏模块,通过编解码结构得到更加丰富的上下文信息。在HCI 4D光场数据集上的实验结果表明,该方法表现出较高的准确性和泛化能力,优于所比较的深度估计的方法,且保留较好的边缘细节。