基于抽取规则和本体映射的领域XML语义集成

油气井工程领域中存在大量的XML文档,传统的XML集成方案无法提供面向语义的信息查询,导致数据利用率不高。针对油气井XML文档WeXML语义集成与查询应用需求,提出一种基于抽取规则和本体映射的语义集成方法。首先定义一系列类、属性抽取规则,分别将WeXML Schema中的元素、属性映射为WeOWL本体中的类和属性;然后,利用实例转换算法将WeXML文档转换为本体实例数据;由于WeOWL提供有限的局部语义模型,需要在两者之间建立语义映射,并借助WeOWL中的术语对全局语义模型中的类和属性进行解释,进而提供面向领域全局本体的语义查询。通过构建WeXML数据语义集成原型系统,对提出的转换规则、转换算法和映射规则进行了验证。     

一种基于CBR的个性化推荐算法

随着搜索引擎的快速发展,个性化搜索、社会化搜索已经成为搜索引擎发展的主要发展方向.本文针对用户搜索经验的再利用问题,探索个性化搜索算法.在简要介绍前期工作基础上,重点讨论了用户建模技术、检索案例以及案例排名等问题,提出了一种基于CBR的个性化推荐算法,并在ExpertRec推荐系统进行实验,结果表明,该算法推荐效果良好...     

以本体为指导的Web网页信息抽取方法

针对Web网页中事物描述信息的特点,提出了一种通过本体指导网页信息抽取的方法。首先建立抽取对象的本体模型,并为本体属性概念添加定位信息映射模型,通过映射模型定位和分离样本页中包含语义信息的数据块,结合路径分析算法生成抽取规则,之后利用抽取规则对同类网页中的事物描述信息进行抽取,最后以资源描述框架（RDF）数据格式储存信息。抽取性能测试实验表明,抽取结果具有较高的准确率,与无规则抽取方法相比,具有更高的抽取效率。     

分布式RDF关键词近似搜索方法

现有的RDF关键词搜索方法主要是在大规模的RDF数据图上直接进行搜索,未能充分利用RDF本体中的语义信息,迭代次数过多造成搜索效率和效果不理想.针对这些问题,借助Redis内存数据库集群,提出分布式RDF关键词近似搜索算法(DKASR),即在分布式平台上实现大规模数据的并行搜索.算法结合RDF本体的语义信息构建本体子图,利用语义评分函数对本体子图进行排序,借助MapReduce计算模型实现并行搜索并返回Top-k结果;如果返回的结果没有达到Top-k,则对本体子图进行扩展生成近似本体子图,使用语义相似度函数对近似本体子图进行排序,再利用MapReduce计算模型实现并行搜索,直到返回Top-k结果.实验结果表明,DKASR算法能够高效正确地实现RDF关键词近似搜索并有效返回Top-k结果.     

一种新的个性化车辆图像搜索算法

针对现有搜索引擎算法不能完整依据用户的查询需求,导致检索质量差的问题,提出一种基于聚类和用户兴趣模型的个性化车辆图像搜索算法,实现个性化搜索。根据用户感兴趣目标特点,选择目标多特征集合;采用多核线性融合方法计算相似度;在此基础上,提出使用优化降维支撑向量机进行基于多核的动态聚类,建立用户兴趣模型,并将个性化的搜索结果返回给用户。研究结果表明:与传统的搜索算法相比,新算法增加了用户的参与方式,解决了底层视觉特征与高层语义间的鸿沟问题,能够明显提高平均查全率和查准率;新算法比基于颜色的传统搜索算法的平均查全率和查准率分别提升了9%和24.6%,比基于纹理的传统搜索算法的平均查全率和查准率分别提升了28%和42.6%。     

基于本体的数字图书馆信息过滤研究

语义Web的概念正在成为计算机信息处理领域当前研究的热点之一 .本体 (Ontology)将在“语义Web”中起到至关重要的作用 ,它通过提供共享的并精确定义的术语源 ,将语法的互操作扩展到语义的互操作 .信息过滤目的在于依据用户兴趣 ,进行动态信息搜索和匹配以满足用户的需求 ,从而实现个性化服务 .本文提出了一种新的基于本体的数字图书馆信息过滤方法 ,它具有 3个显著的优点 :①采用了混合信息过滤模型 ,克服了基于内容和协作过滤的不足 ;②建立本体驱动的用户模板 ,解决了用户兴趣的获取问题 ;③信息内容采用本体来组织 ,实现语义级查询和高效的匹配机制     

基于认知分层的图像复杂度研究

为揭示图像属性与图像复杂度之间的编码规律,从认知分层角度对图像复杂度进行了研究.基于由浅入深的认知加工次序,将图像复杂度分为呈现复杂度(CP)、语义复杂度(CS)和记忆复杂度(CM),分别对应图像的视觉属性、语义属性和解码属性,并建立复杂度分层映射模型.以地铁交通图为例,提取图像中3种复杂度后按低、中、高水平重新编码,并结合眼动追踪技术进行了视觉搜索实验.实验结果表明:高记忆复杂度编码的反应时最短,对认知绩效的影响最大;高语义复杂度编码易造成视觉干扰,需结合高记忆复杂度来提高认知绩效;高呈现复杂度编码能有效降低被试的认知负荷,提高搜索效率.实验结果证实了图像复杂度分层的合理性,为信息化图像的复杂度设计提供了参考.     

基于本体的受限领域问答系统研究

鉴于使用本体表示知识利于知识的重用及推理,提出基于本体知识库的受限领域问答系统(QA)框架,该框架可以方便地根据本体知识库和问句语义表征抽取答案.定义了本体的结构,以某医疗领域的本体为例分析本体元素之间的抽象关系;描述问句语义分析的方法,给出答案抽取的相关技术;分析问句类型,给出对应的问句语义表征和答案抽取策略.以某医疗领域的问答系统为实验平台,封闭测试F值为83.86%,开放测试F值为76.04%,效果良好.     

一种改进的基于相似度的本体映射方法

本体映射是解决本体异构的通用方法.发现来自不同本体的元素间的关系的过程可以转化为它们之间的语义相似度的计算, 本文从名称、结构、实例、属性四个方面改进相似度计算方法,并给出融合的相似度计算公式,通过实验说明新相似度计算方法在实际应用中是有效的.     

基于节点语义相似度的本体映射方法

针对本体映射特别是大尺度的异构本体映射由于语义异质性导致的映射精度和效率较低的问题,提出一种基于节点语义相似度的本体映射方法.首先,研究基于网络的本体解析和表示、本体自动分块、相似子本体快速识别、基于节点语义的子本体映射等关键技术;其次,以本体对齐评估倡议评估数据集中会议本体集进行实验,结果表明,该方法在性能上优于传统映射方法,在精度上高于基于片段的映射方法.     

基于本体的信息过滤需求模型构造

在信息过滤系统中,由于缺乏语义模型作为支撑,基于关键词的用户需求模型难于准确地反映出用户的真实需求,成为影响过滤性能的主要瓶颈.提出了以本体构造用户需求模型的方法:采用领域相关度和领域一致度组合方法来确定查询关键词在特定领域的重要程度,建立查询关键词到本体概念的映射,然后利用本体的概念及属性构造用户需求模型.这种基于本体的用户需求模型构造方法能提高过滤系统性能.     

基于QoS本体的语义Web服务选择算法

引入QoS本体,提出了一种基于QoS本体的语义Web服务选择算法.该算法通过构造Web服务的QoS本体模型以支持异构QoS参数的语义描述和度量,并将QoS语义匹配和数值匹配相结合,从而更准确地为用户选择满足其个性化需求的Web服务.仿真实验表明,基于QoS本体的语义Web服务选择算法能够充分利用QoS语义和数值信息,为用户选择更合适的服务,实现用户对Web服务的个性化需求.     

基于本体的教务数据集成的探析

高校教务信息管理系统的异构数据源之间存在着各种语义冲突.本文结合本体和中间件方法,通过构建教务管理领域本体,将用户对数据集成的需求利用本体词汇进行表达,在中间层完成全局本体到局部数据源之间的模式映射,以处理教务数据集成的语义需求,对于推动数字化校园建设具有现实意义和实用价值.     

利用本体进行Web数据集成

随着数据的大量产生,数据之间的结构和语义冲突问题变得日益严重。通过屏蔽数据源的结构、语义异构性能够有效提高信息交流、处理和反馈的效率,增强系统之间通过协作解决复杂问题的能力。本文基于本体来解决语义异构问题。重点讨论了Web数据的抽取,XML到RDF格式的数据转换,RDF之间的映射,最后给出了集成的模型。     

面向稀疏数据场景的生成对抗网络推荐算法

基于生成对抗网络的协同过滤算法(CFGAN)是生成对抗网络在个性化推荐领域上的重大突破,但CFGAN存在缺乏对用户可能交互物品的关注以及面对稀疏数据场景特征提取能力较弱的问题。另外,结合负采样技术提出的优化CFGAN方案存在无法结合用户属性抽取负样本的缺陷。为此,本文提出一种改进的CFGAN模型,通过引入增强的置换注意力机制强化面向稀疏数据集的特征聚焦能力,同时考虑用户可能交互物品对推荐结果的影响;此外,采用协同用户社交网络从用户反馈中提取的语义好友特征嵌入CFGAN,以实现负样本的个性化抽取,进一步提升模型面向稀疏数据场景的推荐效果。     

基于本体结构的新闻个性化推荐

为了更好地对新闻和用户进行建模, 将语义相似度模型引入基于内容的推荐系统中, 挖掘两者之间的语义关联。提出一种基于本体结构的相似度模型(OBSM), 利用在线百科构建的本体结构, 计算新闻和用户之间的语义相似度。为了降低本体结构上噪音数据对推荐效果带来的影响, 提出X-Ontology聚类算法对本体结构进行清理, 并衍生出OBSM的升级模型X-OBSM。中文和英文实验表明, OBSM和X-OBSM比基准模型具有更好的推荐效果, 尤其是对本体结构进行清理后, X-OBSM具有比OBSM更高的计算效率。     

一种基于协同推荐的网页排序算法

针对目前搜索结果个性化排序算法中的用户兴趣模型构建难、相关度计算不精确等问题,提出了一种结合用户兴趣模型和协同推荐算法的个性化排序方法.该方法从用户的搜索历史,包括提交查询、点击相关网页等反馈信息来训练用户的兴趣模型,然后采用协同推荐算法获取具有共同兴趣的邻居用户,根据这些邻居对网页的推荐程度和网页与用户的相关程度来排序搜索结果.实验结果表明:该排序算法的平均最小精确度比一般排序算法提高了约0.1,且随着用户邻居数目的增长,最小精确度随之增长.与其他排序算法相比,采用协同推荐算法有助于提高网页与用户兴趣关联程度计算的精确度,从而提高排序的效率,有助于改善用户的搜索体验.     

一种基于语义的组合服务模板推荐算法

为了实现组合服务的查找功能,提出了一种基于语义的组合服务模板推荐算法。用Web服务本体OWL-S和领域本体描述Web服务,将2个服务之间的语义相似度计算转化为加权二部图的最优匹配问题,利用改进的Kuhn-Munkres算法计算服务间的语义相似度;在此语义相似度的基础上提出一种基于语义的组合服务模板推荐算法。实验结果表明,提出的组合服务模板推荐算法可以快速地搜索出满足用户请求的组合服务模板。     

一种基于本体的垂直搜索引擎系统模型

为了弥补互联网信息爆炸带来的搜索引擎用户满意度低的问题,提出了一种基于本体的垂直搜索引擎模型。该模型构建一个本体知识树,利用增加了属性提取和相似度算法的NWeb-Crawler对网页进行抓取,并将非相关信息进行隔离;然后,进行网页源代码格式信息和语义信息两方面的抽取;抽取的数据信息通过分词后建立二维索引表,用户的请求通过本体知识树扩展概念集和二维索引表进行检索。该系统模型从入口网页到出口数据逐步贴近检索需求,具有良好的扩展性,对垂直搜索引擎的研究有一定的参考借鉴作用。     

基于用户语义的个性化信息检索研究

本文针对传统个性化信息检索的盲目性问题,提出了基于用户语义的个性化信息推荐方法。在计算用户之间的相似性时,从用户自身所包含语义信息和历史评分数据两方面来进行,克服了传统协同过滤推荐算法仅利用历史评分数据的片面性。实验结果表明,该方法较传统的信息推荐方法具有较高的推荐精度。