基于用户反馈的兴趣模型在信息检索中的应用

兴趣模型是个性化信息服务的关键技术,介绍了基于用户反馈的兴趣模型的构造过程,并将其应用于信息检索中,通过利用反馈对检索结果集重新排序、利用反馈形成新的查询请求两种方式优化检索结果,使其能更好地符合用户的个性化需求,并说明了利用反馈对兴趣模型进行调整的原则.     

基于父节点的XML查询优化算法

本文提出了基于父节点的XML查询优化算法,它主要利用关键词的顺序循环查找父节点,把查找出来的父节点集合求交集,所得的父节点交集集合中的元素即为最小子树根节点,最后根据所得出的最小子树根节点得到用户所需的最紧致片段。通过选取经典的INEX数据集算法进行测试。实验结果表明,与传统的XML查询优化算法相比,基于父节点的XML查询优化算法有较高的准确率,更能满足用户需求。     

基于关系模式下XML大容量文档查询方法的研究和实验

XML数据的半结构化特征,设计了一种新型索引模块,给出一种新的倒排索引方法。构建了利用高频路径产生的索引机制,通过映射实现表和XML数据文档之间的转换,实现XML数据库事务处理和版本控制,最后通过基于XML的路径查找算法的实验,快速检索出文件中重要的连续路径。     

采用HDPHMM符号化器的语音查询样例检测方法

提出一种基于层级狄利克雷过程隐马尔科夫模型（HDPHMM）符号化器的无监督语音查询样例检测（QbE-STD）方法。该方法首先应用一个双状态层隐马尔科夫模型,其中顶层状态用于表示所发现的声学单元,底层状态用于建模顶层状态的发射概率,通过对顶层状态假设一个层级狄利克雷过程先验,获得非参贝叶斯模型HDPHMM。使用无标注语音数据对该模型进行训练,然后对测试语音和查询样例输出后验概率特征矢量,使用非负矩阵分解算法对后验概率进行优化得到新的特征,然后在此基础上,应用修正分段动态时间规整算法进行检索,构成QbE-STD系统。实验结果表明,相比于基于高斯混合模型符号化器的基线系统,本文所提出的方法性能更优,检索精度得到显著提升。      

基于列表译码方法在查询访问模型下含错学习问题的分析

Regev在2005年提出了含错学习问题(LWE),这个问题与随机线性码的译码问题密切相关,并且在密码学特别是后量子密码学中应用广泛。原始的含错学习问题是在随机访问模型下提出的,有证据证明该问题的困难性。许多研究者注意到的一个事实是当攻击者可以选择样本时,该问题是容易的。但是目前据作者所知并没有一个完整的求解算法。该文分析了查询访问模型下的带有错误学习问题,给出了完整的求解算法。分析采用的工具是将该问题联系到隐藏数问题,然后应用傅里叶学习算法进行列表译码。     

一种海量数据查询的实现方案

文章对海量数据的查询方法展开探讨,并提出具体基于存储在HBase中的查询解决方案。     

DB2数据库查询优化策略

数据库的查询优化是改善应用程序性能的重要手段。通过分析IBM DB2数据库系统的最优化处理器的工作原理,对查询性能影响较大的统计信息更新、索引建立、SQL查询语句构造3个方面提出具体优化建议。建立了一套完整的测试方案,对每一条优化建议都使用具体SQL语句进行严格的验证。开发者要注意分析查询语句的时间开销和空间开销,才能写出较优的查询语句。     

基于移动通信的地震应急生命搜索

为解决地震应急中生命搜索的问题,文章对地震废墟中的移动通信手机的不同情况和其上行信号进行了分析。根据自由空间和室内空间传输损耗模型,对地震废墟中的传输衰耗进行了估算,在对地震废墟中手机信号检测技术进行分析的基础上提出了理论根据。着重分析了周期性登记在抗震救灾的重要作用,为地震废墟中的生命搜索提出了一个新方法。     

基于服务器端会话追踪的Web查询服务的研究

在探讨了Web查询服务的典型模型后,论文阐述了服务器端会话追踪机制的实现方式,设计了基于服务器端会话追踪的Web查询服务的典型解决方案。该设计方案可以较为安全地保存和维护客户的上下文信息,可靠地跟踪用户查询所处的状态,有效地实现有状态的Web查询服务。