基于Ontology的语义检索研究

针对传统的基于关键字检索系统存在的不足,以本体为依据,提出了一种新的智能检索模型。叙述了本体相关理论,分析了本体在语义检索中的应用,设计出一个基于语义检索的结构框架,指出了该智能检索中存在的问题。     

基于语义Web的智能信息检索模型

针对传统基于关键字的信息检索系统查全率和查准率都不高的缺点,提出了一种基于语义Web的智能信息检索模型,此模型在语义Web的环境下,利用本体技术,将最初的检索词通过查询扩展模块得到更完善的检索词集,然后利用扩展的检索词集进行检索。将基于关键字匹配的信息检索系统提升为基于本体知识库扩展查询的智能检索系统,从而提高了查全率与查准率,满足了人们对信息检索系统的要求。最后给出了模型的一种实施方案。     

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．     

基于本体的多Agent信息检索系统模型探析

传统的信息检索技术是基于关键字而不是基于内容的,它的查全率和查准率都有待提高. 本体具有通过概念之间的关系来表达概念语义的能力,将它引入信息检索系统能够提高检索的查全率和查准率,而智能Agent能给传统的信息检索系统带来智能化和个性化. 本文将两种技术相结合,提出了一种基于本体的多Agent信息检索系统模型,并给出了它的框架结构和功能设计.     

支持语义查询的扩展关系型数据库设计及应用

传统的数据库非常适合于存储和处理大量的数据,但其检索是基于关键字的。本体的检索是基于知识的,但当实际的应用中存在大量的实例信息时,推理机都不能够得到特别满意的性能结果。吸取两者的优点,提出扩展关系型数据库检索模型,将其应用于数字博物馆的检索系统中,并对此方法检索的查全率和检索效率进行了分析。     

基于本体的Web智能信息检索系统

利用领域本体知识库对用户的查询信息进行语义扩展,提出了一个Web环境下的智能信息检索系统,并讨论了该系统的体系结构,解决了传统的基于关键字的信息检索只能从句法上对关键字进行分析、而忽视关键字本身语义信息所造成的错检和漏检,以及无法根据信息资源中的语义关系进行检索的问题。与传统检索方法相比,该系统原型的试验结果表明,检索效率有了很大的提高。     

基于本体的信息检索系统模型

针对基于关键字的传统查询方法存在的不足,提出一种面向语义查询的信息检索模型.该模型将信息检索方法与语义Web技术相结合,通过基于本体的知识库实现用户对文档库的语义查询;同时,综合考虑语义检索和关键字检索两种情况,提出一种相似度计算方法,有效地满足了用户对Web信息资源的要求,并为以后的语义检索研究奠定了理论基础.     

基于Ontology的教学多媒体资源检索方法初探

分析了传统检索技术中存在的问题,即基于关键字的检索忽视了关键字本身所包含的语义信息,导致较低的查全率和查准率。通过结合本体论和Agent技术设计出了一种基于本体论的多媒体资源检索系统。该系统通过支持SCORM2004来实现学习资源的共享和系统的互操作性。     

基于本体的语义检索技术研究

随着互联网上信息数量的激增,传统的基于关键字的信息检索技术已无法满足用户的需要。本体作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,能够提高检索的准确率,缩小搜索范围和减少冗余的返回结果。文章介绍了本体的概念及其在语义检索领域中的作用,在此基础上提出了一种基于本体的语义检索模型,并对该模型的检索思想、体系结构、检索机制及功能特点进行了阐述。     

基于Web集成的联合书目检索系统

传统的书目检索系统一般只能检索本地或单一馆藏的图书情报资料,不能对多个馆藏资料进行联合书目检索.提出了一个基于Web集成的联合书目检索系统,它能够根据读者提供的检索关键字同时从多个图书馆的Web书目检索系统中检索出相应书目信息,并集成在统一的数据库中,再将书目数据以Web方式返回给读者.由于大多数图书馆均提供了Web书目检索系统,因此该联合书目检索系统具有通用性和可行性的特点.     

基于Ontology的自然语言智能检索技术研究

本文针对信息检索中的重要问题,即自然语言的智能检索技术进行了研究。应用Ontology的理论方法对文本分类进行概念控制,将信息检索从基于关键词提高到基于知识（概念）,从概念层认识和处理用户的检索请求,有效的提高了检索系统的检全率和检准率,在自然语言语义查询、多媒体信息检索中得到较好的实践效果。     

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.     

面向证券领域的本体建模及资源检索框架

为了提高专业领域内信息检索的查准率，使检索结果在语义层面能够重新进行排序以去除非相关条目，利用语义Web中的本体技术和本体标准描述语言OWL建立了证券领域本体，并且基于证券领域本体提出了面向专业领域的信息资源检索系统IRS—SA，该系统有助于机构或者个人投资者获得及时有效的证券信息．系统接受输入检索关键词从而利用查询转化器自动构造或扩展用户查询，将自然语言查询转化为系统内部的格式后，使检索获得的结果按照本体中定义的概念及关系进行语义再排序，并将最后所得结果返回给用户，提高了文档语义相关性程度．     

基于语义技术网络信息检索的研究

提出将Ontology融合到信息检索技术中,实现快速、准确的信息检索.实践证明,建立在语义web基础上的Ontology语义检索技术,比传统的检索提高了检索的准确率,缩小了搜索范围和减少冗余.通过仿真实验表明:基于本体库的语义信息检索效果良好.     

基于Agent与个人知识本体的搜索系统研究

传统的信息搜索模型缺乏语义理解。而本体是对共享概念模型的明确的形式化规范说明,提供基于语义的知识表示和共享。本文通过引入个人知识本体,综合利用智能Agent的主动性、协作性、移动性等特性,采用协同式过滤的基本原理,提出了基于Agent与个人知识本体的个人搜索系统,有效地提高了检索效率。文中提出了通过不断的学习用户的反馈信息,对个人知识本体中的概念进行修正的算法,并探讨了多Agent协同信息过滤技术在搜索系统中的应用。     

一种基于本体的个性化搜索引擎模型

利用信息检索、本体和个性化搜索等相关知识,构建一种基于本体的个性化搜索引擎模型PSMBO.该模型由用户界面、查询请求处理模块、检索模块、查询结果处理模块、兴趣学习模块以及用户兴趣知识库和本体知识库七个部分组成.该模型在一定程度上提高了搜索引擎在查准率和查全率方面的性能.     

基于拼音图的两阶段关键词检索系统

针对当前关键词检索系统中单阶段系统检索速度慢,基于大词汇量连续语音识别(LVCSR)的两阶段系统又不够稳健的现状,提出一种新的基于拼音图的两阶段检索系统以满足快速、稳健检索的需要。两阶段分为预处理阶段和检索阶段。预处理阶段将语音数据识别成具有高覆盖率的拼音图。检索阶段响应用户的频繁查询,在拼音图中查找出与关键词拼音匹配的拼音串,并采用基于N元拼音文法的前后向算法计算置信度以实现对检索结果的筛选。实验表明:系统的二字词召回率及正确率可达72.19%和72.68%,三字词召回率及正确率可达73.51%和82.98%,均优于LVCSR系统,且检索阶段仅需0.01倍实时,具有良好的实用价值。     

基于Lucene的中文分词方法设计与实现

本文设计实现了一个中文分词模块,其主要研究目的在于寻找更为有效的中文词汇处理方法,提高全文检索系统的中文处理能力.整个模块基于当前最流行的搜索引擎架构Lucene,实现了带有歧义消除功能的正向最大匹配算法.在系统评测方面,比较了该方法与现有方法的区别,对于如何构建一个高效的中文检索系统,提出了一种实现.     

Web教学资源自动搜索系统的研究与实现

对Web教学资源自动搜索系统进行了总体设计，系统引入了智能分词技术，并在搜索模块采用了改进的PageRank算法，有效地解决了传统搜索引擎在教育资源领域方面存在检索精度不高、信息反馈量过大的问题。