基于Ontology的语义查询分析研究

目前的搜索引擎普遍存在着查全率和查准率不高的问题,任何一个简单的查询都可能返回数以万计的检索结果,而其中只有很少一部分与用户真正的检索要求有关,对查询的处理是基于本体（Ontology）的语义检索最重要的部分.针对现有查询分析方法的不足,提出了一种基于Ontology的综合词义关系和语义关联分析的查询分析算法,给出了基于本体映射的语义相似度算法,通过对用户输入关键字词义特性和本体实例之间语义关联强弱的分析,提高了用户输入关键字到本体概念映射的完整性和准确率,保证了用户查询和检索语言在语义上的一致性,提升了查询的满意度.     

本体环境下用户偏好库的查询算法扩展

查全率,查准率的高低在很大程度上决定了一个智能搜索引擎的性能,而用户偏好库中的算法如果运用得当可明显提高查全率和查准率.在探讨了在基于本体的智能搜索中用户偏好库的作用和其类型,特别是客观世界中某一特定领域或主题的用户偏好库之后,详细地研究了用户偏好库中用户兴趣剖像生成的提取算法,TF*IDF算法和TF*IWF*IWF算法和基于本体的查询扩展算法,并且讨论了各个算法之间的联系.论述了用户偏好库在基于本体的搜索系统中的独特意义.通过实验最终验证了这些算法可达到查全率为10.1%、查准率为81%的良好效果,进而证实基于本体在智能搜索中所体现的优势.     

基于Solr和本体的地方志数据语义检索研究

针对传统基于关键字匹配的检索方法在地方志数据查询时的不足,给出了基于Solr和本体的地方志数据语义检索解决方案。建立了地方志本体库;提出了基于本体的综合语义相似度进行语义查询扩展的方法;将本体技术与全文检索技术相结合,建立了基于Solr和本体的语义检索模型架构。最后设计实验,对数据库SQL查询方法和文章提出的语义检索方法的查全率、查准率和查询时间进行对比。实验表明,文章提出的方法明显优于基于关键字匹配的数据库SQL查询方法,具有可行性和有效性。     

本体语义检索系统

基于关键词匹配的检索方法存在不足,使用分布式大数据处理技术,基于本体对用户输入的查询关键词进行查询扩展,利用Lucene针对扩展后的关键词进行检索,按照语义相似度将检索结果排序后返回给用户。实验表明,基于本体的语义检索系统在查全率和查准率两个方面均优于传统检索方法。     

基于本体的Deep Web语义分类研究

针对目前Deep Web分类研究中所采用的Post-query查寻探测方法缺乏语义支持的问题,提出一个基于本体的语义查询探测分类方法。主要思想如下:首先针对一个Deep Web数据库集合,提取查询接口中的属性及其实例,半自动建立领域本体,并且通过领域本体来表示类别特征;然后利用领域本体中的概念以及相应的实例构造语义查询集;最后对待分类的Deep Web数据库利用语义查询集进行查询探测,计算查询探测返回的结果文档在领域本体中的信息覆盖量,并以此对Deep Web进行分类。实验表明:这种语义查询探测分类的方法和以往的方法相比,在准确率、查全率和F1值上有一定的提高。     

基于XML文档的关联规则挖掘算法XQ-Apriori的设计与实现

针对结构化数据进行关联规则挖掘的经典Apriori算法和由W3C推出的XML文档查询语言XQuery相结合,设计并实现了一个针对XML文档进行挖掘的算法XQ-Apriori．该算法可以直接对包括电子病历在内的各种XML格式的文档进行关联规则挖掘,挖掘过程无需进行数据转换。测试表明,该算法具有较高的效率。     

XML更新流的XQuery查询

针对在XML流上执行XQuery查询处理,精确输出查询结果的问题,给出了一种基于XML更新流的解决方案.在XML流中动态地插入更新事件,得到XML更新流,以达到获取连续精确的结果.XQuery查询语言在XPath路径查询的基础上使用FLWOR表达式实现XML数据流的复杂查询.将主Xpath式进行提取,分出绝对路径和相对路径,把有依赖关系的路径进行合并,重写FLWOR表达式,提高XQuery的查询效率.实验结果表明,提出的方法能够提高执行效率,得到精确的查询结果.     

基于XQA查询代数的去除相关性方法

介绍了一种用于支持复杂XML数据查询优化的XML查询代数XQA以及用于实现XQuery语言的中间语言FXQL,进而提出了一种基于XQA代数的去除相关性方法(de-correlation),通过查询重写引入连接运算的方法,使得人们有可能更多地利用高性能的连接算法来提高查询效率.在扩展了广义表结构的XDM数据模型的基础上,这种查询重写通过FXQL语言的程序变换方法来实现,易于与各种函数式语言编译优化技术相互结合.实验结果证明了该方法的有效性.     

基于实值特征子空间迭代的DOA估计算法

针对相关信号的DOA估计和角度跟踪的传统算法自适应性差和特征值分解运算量大的问题,提出了一种基于实值特征子空间迭代的DOA估计算法．对每次快拍数据,通过梯度算法自适应更新信号和噪声子空间,并将复值特征子空间变换为实值,最后利用基于信号子空间的角度估计方法(Unitary ESPRIT) 或噪声子空间的方法(实值域求根MUSIC) 估计信号角度．由于引入了自适应特征子空间迭代和实值域处理,该算法无需特征值分解,有效地降低了基于子空间类高分辨算法的运算量,可以应用于相关信号的角度估计和跟踪问题．理论分析和仿真结果表明,算法具有较低的运算量和良好的自适应性,对某米波测高雷达实测数据的处理结果也表明了算法的有效性．     

基于关系查询的应用系统向语义网移植的研究

针对基于关系数据库的遗留系统能否集成到语义层这一问题,研究关系查询到语义查询转换的完备性.分析一种从关系数据库获取本体的自动学习方法,抽取数据库表、属性同本体类、属性之间映射函数.基于这些函数,得出关系对应的基本简单协议和RDF查询语言(SPARQL)代数表达式.逐一用SPARQL代数来模拟5种基本关系代数运算:选择、投影、并、差和笛卡尔积,并给出其相应的转换算法.结果表明:在这种本体学习的方法下SPARQL代数可以表达5种基本关系代数,以及由它们组合而成的关系表达式,因此,SPARQL是关系完备的,并支持那些基于关系查询的遗留系统向语义层的移植.     

基于神经网络技术的异构数据库集成查询

全局查询的分解与优化是异构数据库的集成中许多难题之一。目前,有关的方法很多,但还未见到有运行效果很好的。本文介绍了一种新的基于神经网络思想的异构数据库集成查询分解与优化方案,它可以快速地将全局查询分解并优化排序。笔者在一个简单的集成系统上验证了该方案的可行性。     

基于神经网络技术的异构数据库集成查询

全局查询的分解与优化是异构数据库的集成中许多难题之一。目前，有关的方法很多，但还未见到有运行效果很好的。本文介绍了一种新的基于神经网络思想的异构数据库集成查询分解与优化方案，它可以快速地将全局查询分解并优化排序。笔者在一个简单的集成系统上验证了该方案的可行性。     

基于群用户兴趣模型的搜索结果排序研究

为提高搜索引擎的查准率,提出了一种基于群用户兴趣模型的加权全局相关度查询排序算法。算法综合考虑了用户搜索意图与搜索结果的全局相关度,改进了搜索引擎的排序结果,为用户提供了准确的搜索服务。实验结果表明,与用户意图相关的搜索结果能够排在最前面,搜索准确率明显提高。     

一种XML代数及其查询优化方法

现有的XQuery处理策略有基于核心语法一次一结点的方法和基于代数的一次一集合2种,单独使用这2种方法都不能很好地解决XQuery查询处理和查询优化问题.该文提出了一个有效的XML代数系统-ETA.总结已有的XML代数的工作,分析新的XML查询问题,并在前述2种策略的思想的基础上提出了操作范围的概念.提出XML代数查询优化策略,主要包括选择谓词下移、抽取下移与分合、抽取替代自连接以及XML函数依赖及键约束等策略.ETA代数能够表达W3C的用例和XMark测试集的所有查询,查询效率得到提高.     

基于集合划分的分布式数据库查询分解算法

分布式数据库把数据分散存储在不同的站点上 ,使得数据库中最常用的查询操作 ,必须同时操作多个站点的数据 ,对查询处理提出了较高的要求。通过以关系模型数据库为例 ,详细地研究了分布式查询处理的一个分支——查询分解 ,从而提出了一种行之有效的查询分解算法——基于集合划分的查询分解 ,以使全局查询能完整地在各局部数据库上完成     

基于四阶奇异值分解的推荐算法研究

三阶奇异值分解推荐算法可以综合考虑用户、物品标签和物品三部分信息,挖掘三者之间的潜在关系进行推荐,然而该方法并没有引入其他方面的有效信息,如用户情感。为了考虑更多维度的信息,本文在三阶奇异值分解推荐算法的基础上,提出了一种加入用户情感信息的四阶奇异值分解推荐算法。该方法基于从评论中的emoji表情提炼出的用户情感偏好,再引入四阶张量模型,存储用户、用户情感、物品标签和物品四元组数据,应用四阶奇异值分解,从而进行个性化推荐。在某在线互联网教育的实证数据集上的实验结果表明,该方法比三阶奇异值分解推荐算法以及传统推荐算法在准确率和召回率性能指标上都有明显提升,其中进行Top-1推荐时,准确率和召回率可以达到0.513和0.339。本文的工作为移动通信端的个性化推荐提供了借鉴。