Web Information Retrieval的分析与展望

网络的飞速发展使得网络信息检索成为人们迫切的需求。本文对网络信息检索技术进行了介绍、分析和比较,在此基础上,对未来的应用前景进行了展望。     

框架技术与设计模式在网上购物系统中的应用

框架技术和设计模式是设计可复用面向对象软件的基础,是对在特定场景下解决一般设计问题的类和相互通信的对象的描述,两者的组合应用在实际的软件设计中能够发挥更大的威力.目前大多数网上购物系统是基于两层体系结构来进行设计开发,存在效率低下、可维护性差等问题,为改善这种状况,从网上购物系统的需求出发,通过引入框架技术与设计模式,构建了一个具有较强的可重用性和可扩展性的系统.     

基于本体的环境信息系统框架

为了解决环境信息学研究和应用中所遇到的数据异构、系统互操作和信息检索等问题,将信息学中本体和语义网研究领域的最新成果引入环境信息学,提出和设计了一个基于本体的环境信息系统框架。该框架以本体技术为核心,采用双层本体结构,提供语义级的信息共享和系统互操作,实现了环境信息服务和环境智能信息检索功能,具有很强的可扩展性。     

Web数据库访问技术的分析与实践

比较目前常用的Web数据库访问技术,最后提出利用ADO实现ASP访问异质数据的策略。     

基于Web挖掘的个性化服务

协同过滤和基于内容的过滤等传统个性化服务技术存在不能处理大规模数据、需要用户输入主观的评价信息、只能利用静态的统计特征等缺陷.最近提出基于Web使用挖掘和Web内容挖掘的个性化服务体系结构,在此基础上进一步引入了Web结构挖掘,统称为基于Web挖掘的个性化服务体系结构;给出了通过聚类算法获取总体使用特征、内容特征和结构特征及其一致化表示的方法;提供了通过总体使用特征、内容特征和结构特征实现个性化服务的途径.     

网格环境下基于Web服务的分布式数据挖掘

在网格环境中进行分布式的知识发现和挖掘受到越来越多的关注。分布式环境中，数据常常是自治的，异构的，地理是分布的。在这种复杂的环境下进行数据挖掘与传统的在本地进行数据挖掘相比，给人们提出了许多新的挑战。文中根据网格技术、Web服务技术的特点，提出了利用Web服务实现资源（数据和算法资源）共享和动态调用，在网格环境下进行数据挖掘的框架。该框架的实现是建立在基本的网格服务的平台（Globus 3．0 Alpha toolkit）之上的。     

基于.Net Web Services的中药材系统的设计与实现

在分析贵州省分散的中药材数据库现状的基础上,提出了一种利用W eb Services技术整合大量分布式资源的中药材系统。对设计中的关键技术———数据同步更新、SQL语句重组及数据整合进行了详细地说明,并总结本系统的特点及以后要进行的改进工作。     

基于超图聚类的用户行为模式挖掘

为解决代理服务器端用户行为日志的高维特征,提出一种基于超图模型的Web会话聚类方法。该方法利用页面归约和隐含在会话中的时间等统计信息描述会话,并在此基础上利用基于关联规则的超图对用户会话进行聚类,可以在较高层次上发现代理服务器端的用户行为模式。实验结果表明,该方法可以在大型的代理日志文件集中挖掘出有意义的用户行为模式,有效揭示用户的行为规律。     

基于遗传算法的Web集群负载均衡方法

Web集群技术解决了Web服务器系统的容量问题,其核心思想是负载均衡策略和算法。在此对Web集群中的负载均衡技术进行了分析和探讨,并提出一种混合遗传算法。仿真实验表明,这种算法能有效解决Web集群的负载均衡问题,并且能避免标准遗传算法的早熟收敛现象,同传统的负载均衡方法相比,降低了任务执行时间。     

Identify Implicit Communities by Grap Clustering

How to find these communities is an important research work. Recently, community discovery are mainly categorized to HITS algorithm, bipartite cores algorithm and maximum flow/minimum cut framework. In this paper, we proposed a new method to extract communities. The MCL algorithm, which is short for the Markov Cluster Algorithm, a fast and scalable unsupervised cluster algorithm is used to extract communities. By putting mirror deleting procedure behind graph clustering, we decrease comparing cost considerably. After MCL and mirror deletion, we use community member select algorithm to produce the sets of community candidates. The experiment and results show the new method works effectively and properly.