基于LSSWM模型的交并式动态扩展聚类算法

为获取Web上中文人物的精确信息,特别是同名人的分辨,提出了一种基于LSSWM模型的交并式动态扩展聚类算法。通过构建中心词库,对每篇文档建立基于中心距离、中心段、篇章长度等潜在语义信息的语句-词条矩阵LSSWM,利用交并式动态扩展聚类算法,对相似文档进行聚类。实验表明,该算法在保持人物语义信息的连贯性、突出不同位置语义信息重要性的同时,对文档的聚类有较高的准确性。     

面向异质可扩展标记语言文档的近似查询算法

提出了一种面向异质可扩展标记语言（XML）文档的近似查询算法（TPQR）．利用模式重写策略，通过对XML模式之间语义相似度及节点映射关系的求解，将原始查询树改写为多种XML模式下的重写查询树，从而解决了XML数据的多样性带来的查询语义缺失问题．将经变异操作序列得到的变异查询树精确地嵌入在XML数据树之中，即可将XML近似查询问题转变为多棵变异查询树的精确查询问题．在汽车外形智能化设计的实验中比较了TPQR算法和静态有序选择算法，结果表明，在查准率、查全率上，前者比后者分别提高了5％～10％和10%～30%．     

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。     

基于词间语义相关度的搜索结果聚类算法

将查询结果根据内容进行聚类是提高搜索引擎服务质量的关键技术之一.搜索结果聚类时只能从文档标题和文档片段中抽取有限信息,传统聚类方法难以准确计算其相似度.提出了一种基于词间语义相关度的搜索结果聚类算法,该算法以词为聚类的核心,词所出现的文档为词的属性,根据词在搜索结果文档中共现的情况来划分类别.该方法可以充分利用词间的语义相关性,类别划分后即可确定类名.实验结果表明,对搜索结果聚类时与K-Means和STC算法相比,质量上有所提高.     

一种基于语义距离的高效文本聚类算法

摘　要：提出了一种基于语义进行文本聚类的新方法。该方法从语义上具体分析文档,利用文档具体语义计算文档间的相似度,使得文档聚类结果更合理。文本聚类主要采用最近邻聚类算法,并提出第二次聚类算法改进最近邻算法对输入次序敏感的问题。类特征词的选择上根据相似度权重优胜略汰类特征词,使得最后类特征词越来越逼近类的主题。实验结果表明本文所提出的算法在聚类精度和召回率上均优于基于VSM的K-Means聚类算法。     

基于本体的多源异构XML数据近似查询方法

提出了一种基于本体的面向多源异构可扩展置标语言（XML）的近似查询方法．该方法将传统的基于查询模式树松弛的近似查询策略与基于本体的XML数据集成思想相融合，首先建立文档类型定义结构与全局模式的映射模型（PTO），再将PTO与近似查询领域的松弛操作、打分机制相结合，提出了一种新的XML近似查询算法——OAXQ．这样，用户在全局模式下的查询语言不再是Xpath查询表达式，而是对象查询语言的一个简单子集，松弛的产生不再依靠查询模式树的变换，而是通过一系列映射规则转化而成．汽车外型的智能设计实验表明，OAXQ算法的查询速度比单纯基于查询模式树松弛策略的静态有序选择算法平均提高了20倍，查询准确度提高了2％～24％．     

基于XQuery数据模型的XUL语言的定义和实现

以W3C关于XML查询语言的推荐标准XQuery数据模型为基础,定义了XML(eXtensible Markeup Language)文档更新粒度,设计了XML文档更新语言XUL,对删除、重命名、前插入、后插入、追加和替换6种更新子操作进行XQuery语法形式的描述,并通过示例表述了更新操作的语义,同时考虑了有序和无序文档.最后提出了一种基于关系数据库存储策略的XML文档更新的实现架构,在Kweelt系统基础上实现了XUL定义的更新操作.     

一种基于网格的层次聚类算法

传统的凝聚层次聚类算法的时间复杂度为O(n3),由于时间复杂度太高而无法应用到大的数据集.针对这一问题,提出了一种新的基于网格的层次聚类算法,先用基于网格的方法进行一次微聚类,然后再用凝聚的层次聚类算法进行聚类.在进行凝聚的层次聚类时,提出了一种新的簇间距离度量方法,该方法采用簇中权值最高的代表点的最小距离作为簇间的距离.理论分析和实验结果表明,基于网格的层次聚类算法比传统的凝聚层次算法具有更高的效率和正确性.     

基于语义簇的中文文本聚类算法

针对中文文本聚类受语义、 语法、 语境等因素的影响, 在使用传统向量空间模型向量化表征后, 文本向量之间相互独立, 语义关系被忽略, 影响聚类分析结果的问题, 提出一种基于语义簇的中文文本聚类算法. 该算法根据词共现的原理和语义相关性, 首先使用词频-逆向文档频率(TF-IDF)方法求得特征词权重, 利用特征词的搭配向量构建语义簇； 然后使用特征词及其搭配词的权重, 将特征词向语义簇中心进行空间变换, 求得嵌入语义信息的文档向量； 最后利用文档向量进行K-means聚类分析. 实验结果表明, 该向量化表示方法, 能有效提高文本向量对文本语义的逼近能力, 同时可提高文本聚类结果的准确率和召回率.     

基于语义簇的中文文本聚类算法

针对中文文本聚类受语义、 语法、 语境等因素的影响, 在使用传统向量空间模型向量化表征后, 文本向量之间相互独立, 语义关系被忽略, 影响聚类分析结果的问题, 提出一种基于语义簇的中文文本聚类算法. 该算法根据词共现的原理和语义相关性, 首先使用词频-逆向文档频率(TF-IDF)方法求得特征词权重, 利用特征词的搭配向量构建语义簇; 然后使用特征词及其搭配词的权重, 将特征词向语义簇中心进行空间变换, 求得嵌入语义信息的文档向量; 最后利用文档向量进行K-means聚类分析. 实验结果表明, 该向量化表示方法, 能有效提高文本向量对文本语义的逼近能力, 同时可提高文本聚类结果的准确率和召回率.     

Semantic Cache Replacement Strategy for XML Algebra-Based Query Optimization

Aiming at the fact that traditional cache replacement strategy lacks pertinence to the semantic cache in the process of extensible markup language(XML) algebra query, a replacement strategy based on the semantic cache contribution value is proposed. First, pattern matching rules for XML algebra query and semantic caches are given. Second, the method of calculating the semantic cache contribution value is proposed. In XML documents with four different sizes, the experimental results of time efficiency show that this strategy supports environment of the XML algebra query and it has better time efficiency than both least frequency used(LFU) and least recently used(LRU).     

数据网格环境下基于语义的处理机制

为了克服现有数据网格体系中对数据源支持的不足,提出了一种基于语义的数据网格处理机制;给出了在OGSA和OGSA-DAI数据网格体系结构上支持基于语义的数据处理系统总体结构,包括利用基于本体的语义来封装各个异质数据源;通过Mediator-Wrapper结构实现了对各种异质数据源的支持,并构建虚拟数据源VDS来支持OGSA-DAI接口标准.讨论了基于语义的数据访问机制:利用语义知识扩展XML查询语言实现语义层次的数据访问能力;设计了新型的网格通信语言支持各结点在知识层面进行合作与协调.     

一种基于流的XML查询算法设计与实现

针对密集型数据查询要消耗大量内存的缺陷,设计了一种基于流的XM L文档查询算法.该算法在对XM L流的一次单向读取过程中处理XPath,接收查询表达式,将表达式转换为树形自动机,自动机以流的方式接收并处理XM L文档,同时输出当前处理结果.在查询树状态转换过程中附加了缓存操作,用于保存XM L流中暂时无法判断的文档片段.算法测试表明其占用内存空间基本恒定,不会随被查询文档的增大而增加.     

基于本体的XML数据源语义集成研究

提议了一个基于本体的XML数据源语义集成方法,为每个参与集成的XML文档产生一个局部RDF本体,合并局部本体的结果产生一个全局本体.全局本体统一查询访问并在后台局部XML数据源之间建立语义关系,在全局本体上的查询通过从RDF查询到XML查询的转换被处理.     

一种基于文本节点的XML文档索引

XML将逐步取代HTML成为Internet上的主流数据表示及数据交换格式，如何快速准确地对XML文档中的数据进行查询也成为亟待解决的关键问题．因此，需要开发一种适合XML的查询策略以及特殊的索引技术．文章利用一种基于文本节点的XML索引TN—Index，特点是索引文件规模较小，而且可以进行局部查找，这样就实现了XML文档的快速查询．     

基于预聚类的潜在语义分析模型文献检索研究

提出一种基于预聚类的潜在语义文献检索算法.首先,对待检索文档集进行预聚类,在潜在语义分析方法的基础上采用k-means聚类算法,寻找出各聚类簇的中心点;其次,在检索时,通过计算查询向量与各聚类簇中心点的相似度来进行检索.此方法有效解决了现有潜在语义文献检索算法在检索时需耗费大量时间计算查询向量与各文本向量之间的相似度的不足.另外还针对文献检索的特点,重新给出特征权重计算方法.实验结果表明,该方法缩短了检索的时间,提高了检索的效率.     

基于本体串连的XML语义发现和查询的研究

XML因其灵活性和易扩展性已经成为Web上异构数据转换和传输的标准,但是含有不同模式的XML数据源之间却很难进行相互操作,这给XML数据检索带来了很大的不便.提出一种从XML模式到OWL本体的转换算法,然后借助共享全局本体和同义词典实现转换后的本体在语义上的相互映射,从而解决XML结构异构的问题,最后提出了利用本体串连实现XML语义查询的方法.与传统方法比较,实验结果验证了该方法的有效性.     

基于概念分组的Web搜索结果聚类算法

为了便于用户浏览搜索引擎返回的搜索结果,快速有效地定位有价值的Web文档,提出了基于概念分组的Web搜索结果聚类算法.首先,建立特征词同现网络,利用概念分组技术挖掘特征词之间的语义关联,形成主题概念类;然后,计算文档与各概念类之间的距离,据此实现Web搜索结果的聚类;最后,综合考虑特征词在类内和文档集中的重要性进行类别标签的选择.实验结果表明本算法具有较好的聚类性能,明显优于k-均值算法,且产生的类别标签容易理解.