基于语义网的个性化学习资源推荐算法研究

本文为了使用户对学习资源个性化需求得到满足,提出了基于语义网的个性化学习资源推荐算法。首先,以用户浏览行为和评价得出用户感兴趣的学习资源。之后,以领域本体的概念间关系对不同用户评价学习资源集合的语义相似度进行计算,以相似度值对用户兴趣建好相似性分析,寻找相似兴趣的最近邻居,实现学习资源协同推荐。另外,将学习对象概念应用在学习资源管理中,使相似度计算复杂度得到降低。通过实验表示,此算法能够使学习资源推荐效果改善。     

基于用户兴趣的个性化Web信息检索方法

针时现有的个性化信息检索系统存在的问题,提出一种新的基于用户兴趣的个性化Web信息检索方法,采用自动隐式学习方式来建立和更新用户兴趣库,采用本体技术来进行语义扩展,从而提高Web信息检索的查准率和查全率.文中给出了个性化Web信息检索系统的体系结构和个性化机制的关键技术及相关算法,全面描述了基于用户兴趣的个性化处理过程.该方法能更好地满足用户的需求,为其提供个性化服务.     

基于社会网络面向个性化需求的可信服务推荐

在当前服务计算和社会计算背景下,针对难以获取满足用户个性化需求的可信Web服务问题,给出基于社会网络面向个性化需求的可信Web服务推荐模型;设计用户个性化功能需求分解与匹配算法,并利用语义词典提高功能需求语义匹配的准确性;基于个性化功能需求、社会网络节点信任度及服务信任度,设计了一种满足用户个性化需求的可信服务推荐算法,通过对社会网络节点之间、节点与服务之间的信任相关性进行分析,提高服务协同可信推荐性能。算法分析及实验结果表明该方法是有效和可行的。     

一种基于语义可理解的信息过滤算法

个性化与准确化是信息过滤技术发展面临的关键问题.语义理解技术有助于解决这一关键问题.其基本思想是对信息内容以及用户需求进行形式化语义描述,使其具备计算机可理解的形式,进而以语义为标准实现信息过滤.该文提出定义信息领域本体以描述语义,并将信息语义分为信息特征项和其解释,同时将用户需求语义分为显性需求和隐性需求.进而,给出了信息语义理解判定方法和用户需求语义理解判定方法.最后,该文提出了基于语义可理解的信息过滤算法.实验分析表明,这种信息过滤方式能够有效地提高信息获取的效率.     

一种融合图学习与区域显著性分析的图像检索算法

 为弥合图像低层视觉特征和高层语义之间的语义鸿沟,改善图像检索的效果,机器学习算法经常被引入到图像检索问题中.通常情况下,机器学习算法是与相关反馈机制相结合,通过用户的交互操作,标定出若干正反例图像,很自然地就可以将图像检索问题转化为模式识别中的分类问题.目前融合区域显著性分析的区域图像检索算法尚没有与机器学习算法相融合.本文结合图像区域显著性分析,并针对用户参与反馈的情况,分别提出了两种图像检索解决方案.其一,在没有用户反馈以及用户只反馈正例图像的情形下,将图像检索问题转化为直推式学习问题(Transductive Learning),改进已有的基于图的半监督学习算法,提出了融合区域显著性分析的层次化图表示(Hierarchical Graph Representation)方式,用以实现标记传播;其二,在用户同时反馈正反例图像的情形下,利用用户反馈得到的正反例图像构建相似性邻接矩阵,通过流形排序算法(Manifold-Ranking)学习出用户感兴趣的查询目标概念并用相应的特征向量集合表示,并据此查询图像库返回用户语义相关的图像集合.实验结果验证了这两种检索策略的有效性.     

基于规则推理的语义检索若干关键技术研究

 针对专业领域复杂的检索需求,目前相关研究采用基于语义的方法来扩展检索范围并提高准确度.在语义推理方面,目前搜索引擎通常直接采用语义网中的推理算法,推理效率不高.在排序方面,基于关键字的搜索引擎的排序算法也不适合对语义检索结果进行排序.针对上述问题,本文给出了基于语义网的语义规则建立方法,并提出了一种基于闭合世界假设的反向链接推理算法,提高推理效率,同时给出了一种基于特征相似性排序算法,使检索结果排序方式更加符合语义检索的特点.基于本文提出的方法,构造了语义搜索引擎MaterialHub,实验表明该搜索引擎提高了检索的准确率和查全率,有较好的查询响应时间,并已经得到实际应用.     

智能流程应用模式下基于流程语义库的需求获取

为自动生成满足用户需求的个性化流程,在给出智能流程应用模式的基础上,提出一种用户个性化需求获取新方法。对业务流程中活动进行归纳和抽象,定义一种新服务——元服务,并由元服务组成流程语义库,然后基于流程语义库,提出一种用户需求获取算法,帮助用户快速准确地输入需求信息。理论分析和应用表明：算法提高了用户需求获取的准确程度和效率。     

异构网络融合环境下基于加权二分图的网络选择算法

摘要：在异构网络融合场景中,为了合理利用异构网络资源,提出了一种基于加权二分图的网络选择算法。将网络选择过程映射为寻找最优加权二分图的过程,用户和网络双方的需求经数学建模后进行供需最优匹配,供需匹配有二次选择机会以平衡网络负载。与其他算法相比,提出的算法可以为不同QoS业务提供满足需求的匹配结果,并且能够动态调整网络负载,实现异构网络融合场景中用户需求和网络资源的合理匹配。     

基于相似性计算的领域模型语义查询

为提高领域资产库的复用能力,解决领域模型与用户的个性化需求不能完全匹配时仍能为目标应用系统的构建提供支持的问题,提出了领域模型语义查询算法.通过服务模型相似度计算结果,建立同一问题域中同类模型之间的语义关联,并以此为基础,提出领域模型的语义查询算法.最后介绍了该算法在领域建模平台中的应用.     

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.