一种基于语义关联的查询优化方法

提出了一种综合词法关系和语义分析的查询优化方法。通过对查询关键字词法特性和本体实例之间语义关联强弱的分析,提高了查询关键字到本体概念映射的完整性和准确率,帮助搜索引擎对用户的意图做出有效推测,解决了传统搜索引擎不能很好理解用户意图的问题。设计实现了相应的查询优化系统,实验表明该系统可以有效提高搜索的准确率。     

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。     

XML关键字检索中推断用户需求信息对象的方法XObject

基于关键字查询的XML检索技术,因为它的用户友好性,近几年得到了信息检索领域研究者的广泛关注。但是由于关键字缺少XML结构语义信息,检索结果和用户需求存在较大偏差。而基于结构的XML检索,用户不仅需要了解XML内部结构,还要掌握结构查询语言,导致用户难以提出准确描述查询意图的查询表达式。文章结合二者研究方向之长,提出一种基于关键字的结构查询方法XObject。XObject用面向对象的思想,分析查询关键字和XML的结构信息,推断用户查询的信息对象,构建一组结构查询语句,再通过现有的结构检索系统,实现查询。经在多个XML实际数据集上验证,结果表明,XObject方法具有很高的查全率和查准率,尤其是和经典的关键字查询方法SLCA相比,XObject方法查准率有明显提高。     

基于Ontology的人力资源语义检索技术研究

基于关键词的传统信息检索技术缺乏语义理解能力,无法满足用户的需要。简要地介绍实现语义检索涉及到的相关概念包括资源描述框架,语义网技术和本体。本文对语义检索所涉及的关键技术进行了深入的分析研究,提出了一种基于本体的语义检索的方法,以人力资源领域本体为例,设计并实现了基于Ontology的人力资源语义检索系统。     

改进型MO_CRM模型的研究

针对目前互联网用户习惯使用较为简单的关键字来进行信息检索的现状,文章对用户的检索关键字进行语义扩展,力求检索结果尽可能地满足用户的初衷。利用互信息与本体互补性,建立基于互信息和本体的协同检索模型（MO_CRM）。在MO_CRM模型的基础上,对相关的领域本体的修正与补充进行了更进一步的研究与讨论,得到改进型MO_CRM模型,从而提高了信息检索的查全率与查准率。     

基于GPU的大图数据上的关键字检索算法

在传统图上关键字检索问题研究的基础上,基于图形处理器（GPU）设计新的关键字检索算法. 基于Steiner tree语义定义关键字检索问题,针对该问题结合传统多源最短路径算法在CPU上设计基本算法,由于CPU架构特性,该算法无法直接移植到GPU上. 提出GPU上的基本检索算法,分析它相对于CPU版本的优势和仍然存在的不足. 为了提升算法查询速度,反思GPU上基本检索算法的不足之处,提出基于索引的优化技术,利用单源最短路径算法的松弛更新思想、关键字独立性和内部整体性,设计GPU上的高效关键字检索算法. 扩展该算法思想,对r-cliques关键字检索问题提出GPU上的优化思路. 通过分析算法复杂度并在真实数据集上进行实验,证明该GPU算法的正确性和有效性,并证明算法在较大规模图数据上仍有较强的计算性能.     

一种基于本体服务索引的Web服务扩展方法

传统的获取Web服务的方法是通过关键字匹配,由于此方式在发现潜在语义相符的Web服务时较为困难,越来越多的学者研究如何基于语义检索Web服务。本文设计了一种新的语义匹配模式：基于本体服务索引的服务匹配。通过建立从服务到本体库的索引,将本体库和Web服务库关联成一个逻辑整体。通过UDDI,用户请求会直接发送给推理规则库,在得到服务请求后,通过相应推理规则得到领域本体中与服务请求在一定相似度范围内的类及实例,而后将这个结果集输入到本体服务索引,经过匹配可输出较符合的Web服务结果集。     

异质工程文档多维关联的语义检索方法

针对现有工程信息检索中文档语义理解和关联不足的问题,根据工程环境下信息检索的特点,提出一个异质工程文档的检索方法,包括内容分析、语义建模、多维关联、语义推理与扩展以及查询处理等过程.采用基于本体的理解标注多源异质工程文档,获取工程语义信息,建立语义标注库,实现异质文档内容的统一表达.采用以文档为中心的多维关联机制,在文档内容语义理解的基础上,将基于本体的内在关联扩展为融合文档及内容的多重关联.结果表明,多维关联机制能够启发式地关联产品生命周期中的文档,增强查询的导航能力,为语义推理和检索扩展提供服务.     

利用Ontology实现语义检索

传统的信息检索技术已无法满足用户的需要,语义检索正越来越受到人们的重视。文章介绍了对本体Ontology的认识,以及Ontology的创建方法。详细介绍了基于Ontology的检索原理以及语义检索系统的构建过程。最后提出存在的问题。     

基于语义概念树和局部上下文分析的查询扩展

针对信息检索中因文档与查询词之间的不匹配而影响信息检索效果的问题,提出了一种结合基于语义概念树和局部上下文分析的查询扩展模型。该模型对用户提交的查询关键词进行扩展,扩展词来源于基于语义概念树和局部上下文分析的扩展词。实验结果表明,与单纯采用局部上下文分析方法(LCA)相比,该方法有更优的检索性能。     

基于全局运动的视频检索方案

提出了一种基于全局运动的视频检索方案.对活动图像专家组（MPEG）视频进行全局运动分析,较精确地提取出摄像机的运动模型,将模型参数构成特征点序列,采用顺序匹配的方法进行示例检索;还根据全局运动参数构造了运动分析函数,对视频进行了准确的全局运动分割和语义注释,并以此为基础,利用可扩展标记语言(XML)描述了视频的全局运动,测试了基于Xquery的语义查询.试验结果表明,在风景类视频中,该方案实现了一定程度的语义检索,较同类检索方案查询效率得到了提高.     

图像检索中基于二次距离的相关反馈

在基于内容的图像检索方法中,图像的低级视觉特征和高级语义之间存在着较大的差异,导致检索性能不佳.为了提高检索性能,将相关反馈技术引入图像检索.利用支持向量机在相关反馈的过程中为图像建立语义模型,在建立语义信息后求出图像间的二次距离,增加图像间的语义区分能力,使被检索出的图像在语义上更加接近示例图像.试验表明,该方法使查全率和查准率得到较大提高.     

基于高斯过程的三维模型语义分类和检索

针对三维模型检索系统提高准确率、减少几何特征和人类语义丰富性之间的“语义鸿沟”等问题, 提出一种基于高斯过程的语义分类和检索新方法.该方法采用一种统计2个采样点相对质心向量夹角的AC2直方图新特征,与形状分布的D2特征组合成低层特征,使用高斯过程进行三维模型语义分类的监督学习,计算测试模型的语义类概率预测分布,建立低层特征和查询概念之间的联系;使用语义距离和不相似度计算方法进行检索排序.实验结果表明：与已有的某些监督学习的方法相比,多类的测试模型进行语义分类的准确率明显得到提升,检索中能体现语义概念,检索性能也得到提高.     

基于构图分析的古代壁画相关度评价方法

由于目前的图像检索技术没有考虑壁画的构图学特征,缺乏对复杂语义的处理能力,难以满足古代壁画研究工作对检索全面性和准确性的要求.为提高古代壁画图像语义检索的质量,提出基于构图分析的相关度模型,通过引入基于绘画构图学的理论和分析方法,从壁画内容的布局、主题和语义三方面用量化方法描述检索语义与壁画内容的相关度,较好地解决了用户的真实检索意图与壁画内容间的“语义鸿沟”问题.该相关度评价模型可嵌入基于语义查询扩展的框架中,以提高Top N结果的准确率,同时维持了较高的查全率.敦煌壁画资料检索的实际应用表明：以反映前n个结果准确率的R-Precision为评测指标,基于构图分析的相关度评价方法可比未采用相关度评价的基线方法平均高出36%.     

基于语义的应急预案库检索本体表示研究

针对传统关键词检索的种种弊端,引入本体概念,并通过建立领域检索的本体,对查询关键词进行语义扩展。经扩展后的关键词簇,从另一种意义上来说让检索系统具备了对语义理解的能力,使查询更加面向可能发生的具体应急事件。本研究更加人性化,同时改善了基于关键词的搜索体验。