基于描述逻辑的概念检索模型

针对当前的概念检索模型存在没有语义特征的词典和缺乏知识库层面上的推理机制等问题,采用具有很强的表达能力和可判定推理功能的描述逻辑来实现概念的扩展检索.设计了一个基于描述逻辑的概念检索模型,并对其核心的推理算法作了进一步扩展,给出了相应算法的数学定义及其知识库的逻辑描述,并据此采用Jena和Racer推理引擎实现了一个基于描述逻辑的汽车导购的概念检索系统,可向用户提供有关汽车的分类、性能、报价等信息.实验结果表明:基于描述逻辑的概念检索模型实现了有效的隐含语义的检索,并通过关联概念联想实现了良好的用户启发和信息导航.     

基于语义和结构的UML类图的检索

以软件重用为背景提出基于语义和结构的UML类图检索.构建了UML类图的重用模型,定义了存储UML类图的重用库结构.提出将本体的概念语义距离应用到UML类图的语义相似性度量和使用图表示UML类图的结构进行结构相似性度量.基于检索流程形式化检索需求,提出了UML类图的检索算法.基于提出的衡量标准,从语义、结构和混合三种检索类型对提出的算法进行了验证.实验结果表明,所提出的检索算法在检索质量和检索效率上要优于其他方法.     

语义Web中的概念等级匹配算法

针对语义Web匹配方法仅适于字符串、字典近义词匹配而导致精度低、效果差的问题,提出了一种基于概念等级的语义Web匹配算法.对于一个包含大量概念的本体,算法可根据概念之间的联系建立起概念结构,通过计算获得本体概念之间的相互支持度,从而使得普通概念的支持度低而特殊概念的支持度高,进而将概念的支持度量化为概念等级.以计算得到的概念等级为权值,将概念间的语言学匹配度加权,由此计算出新的概念的匹配度.该匹配度可将各个概念之间的内在联系关联起来,从而提高语义匹配的精度.实验结果表明,所提算法在本体间的语义匹配精度比字典近义词匹配法提高了20%.     

基于流形学习的图像检索研究进展

基于内容的图像检索是当前研究的热点,然而由于"语义鸿沟"问题而限制其检索能力的提高.而流形学习可以利用图像数据库中的数据,以及和用户交互的反馈信息获得用户的语义概念,从而提高检索性能.本文鉴于流形学习在图像检索中表现出的有效性,分析了近几年将流形学习应用到基于内容图像检索中的算法,从归纳和转导角度将相关内容分为两个类别,针对每个类别总结分析了相关算法,并总结了有待进一步研究的问题.     

一种基于类别核心词的概念映射方法

由于同义词和多义词的存在,使得基于特征词的文本分类方法分类精度不高.近几年,基于概念的文本分类方法得到人们的重视.在此提出一种基于类别核心词的概念映射方法,首先从文本中抽取类别核心词,借助<知网>将特征词映射到基于类别核心词的概念空间,然后在概念空间上完成文本分类工作.实验结果表明,基于类别核心词的概念映射方法及相应的基于概念的文本分类能够有效提高文本分类的精度.     

基于概念匹配的语义检索模型研究

传统的搜索技术,主要集中在关键字匹配方面,基本上没有涉及到语义层次,其查全率和查准率上都无法满足用户的需求;对于当前利用本体推理而实现语义检索的模型,对本体的完整性要求过高,检索范围也局限在某一特定领域;结合本体的知识,利用本体中概念之间关系,提出了一种基于概念匹配的语义检索模型,它减少了对本体完整性的过高要求和对本体的过分依赖,并在一定程度上实现了对用户查询的语义理解和概念区分,扩大了检索领域范围,提高了检索性能。     

基于多层次概念格的图像场景语义分类方法

现有理论与方法在处理图像场景语义分类时,由于缺少对图像语义关系的深入挖掘,过分依赖视觉词典数量等原因,导致场景分类精度不高.本文提出一种基于多层次概念格的图像场景语义分类方法,将特征集转换成图像视觉形式背景,利用概念格的层次分类模型,通过层次映射关系,分别构建图像与视觉词集属性概念格,在此基础上通过动态调整阈值参数,获取分类精度概念外延阈值,得到具有较高分类精度的场景语义视觉模型.实验结果表明,该模型在精确度指标上有所提高,文中方法切实有效.     

P2P环境下基于Ontology的概念匹配策略

采用Ontology作为一种能在知识和语义层次上描述信息的概念建模工具,根据Ontology具有的良好的概念层次结构和对逻辑推理功能的支持,提出新的概念匹配算法,突破了传统的基于关键字的检索技术,把查询请求定位到相关的社区,因此能得到满意的结果.     

图像数据库中概念查询处理

论在分析基于内容检索的图像数据库系统中查询类型的基础上,为支持基于图像语义概念的查询,扩充了面向对象的SQL语言,以有效地表达查询中的概念,为进行查询变换,提出了概念层次模型以有效地表达概念在不同抽象层的不同表现形式,并利用项重写技术,将查询中涉及的概念项和语义空间关系转化为基本检索类型的组合。     

视频内容的结构分析研究

基于内容的视频检索是目前一个热点,进行检索前必须要根据视频内容为视频数据建立索引。本文从镜头分割和分类分析了视频内容的语义结构。     

视频剪辑查询结合时空金字塔匹配的视频检索方法

针对视频检索系统中目标持续移动从而影响检索精度的问题,提出一种基于视频剪辑查询融合时空金字塔匹配(spatio-temporal pyramid matching,STPM)方法.借助基于特征分析和分类的片段编辑检测器将新的视频分割成多个片段,以元数据信息将视频片段存入数据库,利用基于逐帧特征结合弱分类器的boosting算法检测视频片段边界,针对新的查询视频进行分析和线上视频匹配,并利用时空金字塔匹配计算相关反馈值.在中佛罗里达大学(university of central Florida,UCF)数据集和YouTube运动视频上的实验验证了方法的有效性,实验结果表明,方法的平均精度可高达97.6％,相比其他几种较为新颖的匹配方法,取得了更好的检索性能.     

基于内容的图像及视频检索

基于内容的图像及视频检索是当前计算机视觉、多媒体数据库管理等研究领域的热点之一。较系统地介绍了该研究领域的现状。对于静态图像 ,主要介绍了基于颜色、纹理、形状、区域或目标等低级图像特征信息的检索以及基于交互式反馈的检索方法 ;对于视频序列 ,则介绍了镜头检测、镜头内容表示、场景的语义描述等技术。最后指出了该研究领域存在的难点及今后的工作。     

基于相关反馈的视频检索算法

针对信息检索中如何提高检索的精度问题,提出了一个基于相关反馈的视频检索算法。利用信号在神经网络中来回传递实现自动相关反馈,提高了检索精度,且最大限度地减少了相关反馈中人的参与,最后检索的结果是与查询最接近的一段视频片段。给出了神经网络的构造和具体的检索算法,并与基于关键帧的视频检索方法进行了比较。实验结果表明,用该算法检索的准确度比用基于关键帧的视频检索方法平均提高6%以上。     

融合BabelNet 的多语言智能信息检索模型

传统的跨语言信息检索存在翻译映射准确度低和查询扩展后语义偏离等问题。为此提出结合统计学和 本体论的方法构建多语言信息检索模型,通过使用统计翻译解决翻译映射歧义问题,使用多本体BabelNet 等减 少语义关联度损失。由于本体包含大量概念联系,因此使用本体作为语义层表示设计了语义权重算法,并将其 构建在BM25F 统计信息检索模型上作为用户反馈的排序算法。最后根据建立的模型设计实现了多语言信息检 索原型系统,并用基于爬虫技术获取的数据测试集对模型进行测试,实验结果表明,该模型平均查准率高于传 统的基于机器翻译的信息检索模型。     

基于相对编辑相似度的近似重复视频检索和定位

为有效对近似重复视频进行检索和定位,提出了一种基于相对编辑相似度的检索和定位算法.算法包括基于局部特征的视频编码和基于相对编辑相似度的在线检索和定位两部分.基于局部特征的视频编码首先提取数据库视频的关键帧,然后在关键帧中提取Root-SIFT特征描述符并应用层次K-Means聚类算法构建词典,之后将关键帧量化至词袋模型的单词并编码.基于相对编辑相似度的在线检索和定位首先对查询视频进行编码,然后应用相对编辑相似度算法,筛选近似重复视频并对近似重复片段进行定位.实验结果表明,LD算法比Yeh等提出的算法在平均F₁评价准则上效果要高8.55%,并且NDCR降低为原来的29%,效果提升明显.      

基于本体的图书检索系统的研究

针对传统图书检索系统只是基于关键字的检索,无法进行语义扩展,存在查全率和查准率不高的问题,将具有良好概念层次结构和对逻辑推理支持的本体引入到图书检索中,并设计了语义扩展算法和相似度算法,实现语义分析、语义扩展和相似度计算等功能,建立基于本体的图书信息检索的系统模型．结果表明,该系统能够在一定程度上增强检索系统的语义处理能力,改善传统检索系统的漏检、无效检索和检索结果过于无序和冗杂的缺点,使检索效率得到了改善．     

面向领域的语义排序与自适应热点算法

为了加强面向领域的搜索技术查询有效性与准确性,在证券领域本体的基础上对检索表达式进行扩展,使检索内容更加相关.对于初始检索集,根据本体进行面向语义排序,提高了检索结果集相关度.对面向证券领域的语义信息检索系统框架数据流与算法效率进行了分析,并对语义排序算法功能进行增强,得到自适应热点算法扩展,使系统可以在特定时间段内根据用户点击率反映阶段性关注热点.     

基于感兴趣区域和神经网络的图像检索

提出一种感兴趣区域的图像检索方法,该方法首先采用遗传FCM算法对图像进行分割,然后提取分割后的区域特征进行检索;为了缩小低层特征和高层语义之间的语义鸿沟,最后提出一种基于神经网络的相关反馈方法,实验表明,该方法具有较好的检索性能,系统具有较高的查全率和查准率.