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。     

一种启发式Web信息检索方法

针对目前Web信息庞杂无序和半结构化特征所带来的信息检索质量低下的问题,在基于查询意图分类研究的基础上,提出了一种结合定题检索的启发式Web信息检索方法;在该方法中,Web信息检索采用一次预处理两次检索机制,根据该机制设计了Web信息检索模型,详细讨论了该模型的设计思想、关键技术和算法描述;通过仿真实验对该方法进行了测试和分析,测试结果表明该方法能够有效提高信息检索性能,在一定程度上满足用户个性化的查询需求。     

数字档案检索的查询扩展方法

数字档案检索的查询扩展方法以中文分词技术、查询扩展技术、信息聚类技术和数据挖掘技术等相关技术为依托,通过挖掘、整理构建相关词库,将其有机地融合到数字档案信息利用查询中实现查询扩展。查询扩展方法提供相关词检索,明确用户的查询需求,引导利用者根据自己的需求进行检索,使得利用者可以快速地获取自己需要的档案信息,提高数字档案检索的查全率和查准率。     

Web信息查询研究进展

Web上大量、分布、动态的信息 ,造成了用户在查询Web上的信息时产生的“信息过载”和“信息迷向”现象 .Web信息检索与查询是目前的研究热点 ,本文分析和比较现有Web信息检索和查询语言技术的发展现状 ,介绍了基于人工智能领域中机器学习方法的Web信息检索和查询以及信息抽取技术的研究 ,以供研究者参考     

利用支持向量回归确定相关Web查询

对用户输入的查询请求，如果搜索引擎系统能给出一个相关查询列表，将有助于用户进行查询修正，进而检索到用户所需要的信息．文中提出了一种利用支持向量回归确定相关Web查询的新方法．对一个给定的Web查询，首先从用户的使用记录中抽取候选查询的5个量化指标：被查询的次数、被查询的用户量、用户在反馈结果中的点击次数、与给定查询间的共有词项个数和点击相同网址（URL）的个数；然后用手工标记部分训练数据，进而建立支持向量回归模型，根据相关度的大小确定相关Web查询．实验结果表明该方法具有较高的准确度．     

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．     

一种基于XML分析的Deep Web查询接口分类研究

Deep Web查询接口分类是实现Deep Web在线数据库分类访问的主要方法,本文在研究查询接口特征数据抽取和表示的基础上,通过对查询接口所在Web页的位置来构建对应的接口特征XML文档,根据XML文档中的节点位置不同,分别为不同的查询接口特征赋予不同的分类权重因子,以提高有效特征的分类能力,并采用信息增益算法实现最终分类特征的选择,然后采用KNN分类算法实现查询接口分类,实验结果表明此方法的实际可行性.     

采用ASP技术开发帐务查询系统

详细介绍了动态Web实现技术，论述了建立基于Web数据库存取的帐库查询系统时，如何利用ASP／ADO技术建立数据库连接并查询和显示数据等一些关键问题的实现，最后讨论了网络数据查询的安全性问题。     

Web数据库查询结果的自动分类方法

为解决Web数据库查询中出现的多查询结果问题,提出一种Web数据库查询结果自动分类方法.该方法在查询结果上动态生成一个带标签的、分层的分类树.分类树的构建通过两个处理阶段完成:首先在离线阶段分析系统中所有用户的查询历史并聚合语义上相似的查询,然后根据聚合的查询将原始数据划分成多个元组聚类,每个元组聚类对应一种类型的用户偏好;当用户查询到来时,在线查询处理阶段利用第一阶段生成的元组聚类,在查询结果集上为用户生成一个分类树,使得用户能够方便地选择和定位所需信息.实验和分析表明,提出的分类方法能够很好地满足用户个性化查询的需求.     

WEB数据库查询技术的实现

随着 Internet网的发展 ,WEB数据库查询技术日益成熟 ,在分析了目前几种 WEB数据库查询技术的基础上 ,重点探讨了如何结合 ASP技术和 ADO技术实现 WEB数据库查询 ,并给出了新的查询分页方法实例 .     

基于ASP的WEB数据库智能查询

在网站信息处理工作中,Web数据库服务器能为访问者提供海量数据的存储和维护服务.就如何通过ASP把附加信息嵌入到链接中,在网络上实现客户端的智能查询作了一些探讨.     

基于缓存替换算法的EPCIS查询机制

针对物联网应用时对EPCIS(electronic product Code information services)数据库的大量的查询请求,在已有的EPCIS查询机制的研究基础上,提出了一种基于缓存的EPCIS查询机制.通过减少对EPCIS数据库的访问次数以缩短请求响应时间,提出了一种基于代价函数的缓存替换算法.研究结果表明,与现有的一些传统缓存替换算法相比,本文给出的缓存替换算法能进一步提高EPCIS 查询模块的效率.     

对Web网页的查询及信息提取

比较Web查询与传统数据库查询的区别 ,提出一种对Web查询计算的新模型 ,基于这一模型 ,可针对网页结构和内容进行查询 ,再根据HTML的特点 ,从网页中提取数据库数据 .     

缓存模式下的轮廓查询优化方法

研究在缓存模式下,利用一组预存储的临时轮廓快照集来高效等价重构用户新提交的轮廓查询Q,并提出一种新颖的缓存模式下轮廓查询处理算法(APSQCM)来完成该任务.APSQCM算法由两阶段组成,第一阶段捕获Q与缓存中临时轮廓快照间的内在关联,进而获取能够用来等价重构Q的所有轮廓基;而在第二阶段中,APSQCM算法使用轮廓基来快速产生Q的正确结果集.实验结果表明,APSQCM算法具有有效性和实用性.     

基于Internet与GIS的石油勘探数据查询系统

在Windows平台上实现了一个基于Internet与GIS的石油勘探数据查询系统.讨论了实现该系统所需的若干关键技术:Web查询、多用户访问、实时交互、组件技术等.     

移动数据库中一种缓存策略

基于失效报告的广播技术在支持长时间断接操作中比较有效,但是对于两个失效报告间隔中提出的查询请求,需要等到下一失效报告广播后才能对其进行回复,造成查询的长时间延迟和不必要的带宽浪费.为解决这个问题,对经典的缓存算法进行改进,提出一种改进算法——低查询延迟缓存失效报告算法,并进行模拟试验,证明其在增加缓存命中率、减小查询延迟和增大系统吞吐量等方面的优越性.     

Query Translation on the Fly in Deep Web Integration

To facilitate users to access the desired information, many researches have dedicated to the Deep Web （i.e. Web databases） integration. We focus on query translation which is an important part of the Deep Web integration. Our aim is to construct automatically a set of constraints mapping rules so that the system can translate the query from the integrated interface to the Web database interfaces based on them. We construct a concept hierarchy for the attributes of the query interfaces, especially, store the synonyms and the types （e.g. Number, Text, etc.） for every concept At the same time, we construct the data hierarchies for some concepts if necessary. Then we present an algorithm to generate the constraint mapping rules based on these hierarchies. The approach is suitable for the scalability of such application and can be extended easily from one domain to another for its domain independent feature. The results of experiment show its effectiveness and efficiency.     

Extracting Result Schema Based on Query Instances in the Deep Web

Deep Web sources contain a large of high-quality and query-related structured date. One of the challenges in the Deep Web is extracting result schemas of Deep Web sources. To address this challenge, this paper describes a novel approach that extracts both result data and the result schema of a Web database. The approach first models the query interface of a Deep Web source and fills in it with a specifically query instance. Then the result pages of the Deep Web sources are formatted in the tree structure to retrieve subtrees that contain elements of the query instance, Next, result schema of the Deep Web source is extracted by matching the subtree＇ nodes with the query instance, in which, a two-phase schema extraction method is adopted for obtaining more accurate result schema. Finally, experiments on real Deep Web sources show the utility of our approach, which provides a high precision and recall.