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.     

一个基于本体的语义检索方法

提出一个基于本体的语义检索方法,利用领域本体知识对各类资源进行语义标注.把用户查询转化为形式化的SPARQL检索描述,再把执行查询后的结果扩展到相关的标注资源.     

基于领域本体和知识推理的语义互联网应用

介绍了利用基于领域本体(Ontology)的知识库和一阶谓词推理引擎构建的语义互联网(Semantic Web)应用：铁路信息查询系统．该系统通过引入W3C提出的资源描述框架和Ontology,将互联网的标记信息进行语义标注构建事实库．该系统构建了铁路领域的本体集(Ontologies)，依此将从互联网上获取的信号映射到实例，形成语义化的知识库．在此基础上，客户端接收来自用户的查询请求，将其传送至服务器端．并将其提交给一阶逻辑推理引擎，结合事实库和规则库进行处理得到最终的查询结果，客户端以文本和图形两种方式显示给用户．     

基于本体的文献检索研究

为了用户方便快速地进行文献检索,将本体引人文献检索,设计实现了一种基于领域本体的文献检索系统.利用本体中概念与概念之间的关系对用户的查询请求进行语义推理,全面而准确地返回查询结果.实验表明,基于本体的文献检索比传统的文献检索在查全率、查准率及语义相关率上都有较大提高.     

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模型研究

在传统的信息检索模型中，由于档逻辑视图和用户信息需求逻辑视图不能有效地代表档和用户信息需求，所以尽管根据逻辑视图的特点选取了合适的排序函数，但检索性能总是不能令人满意．提出基于本体的信息检索模型，使用较好的兼顾了知识表达能力和推理效率的描述逻辑来构建本体，利用tableau算法和只含有原子角色情况下个体间的等价关系分别生成概念集和个体集的商集，从而得到具有语义的索引项集合，利用这些具有语义的索引项来生成较好地反映档和用户信息需求语义的档逻辑视图和用户信息需求逻辑视图；由于逻辑视图能够有效地代表档和用户信息需求，再根据逻辑视图的特点选取合适的排序函数，从而可以使检索性能大大提高．     

基于本体的服装领域语义web检索方法

针对服装电子商务领域用户的语义查询需求,依据国内外相关标准,建立了服装分类本体模型.在此基础上给出了语义web检索系统框架,设计并实现了查询信息的语义检索,包括同义词检索、实例查询、细化查询、联想查询、智能推理等功能.实验表明,基于本体的语义检索系统具有较好的查全率和查准率,实现智能查询.     

基于语义网的旅游信息服务平台研究

在分析当前旅游领域网站信息查询方面的问题基础上,采用protégé工具构建了旅游领域本体,利用旅游领域规则的语义推理基础上构建了旅游信息语义检索模型.提出了采用语义网技术构建旅游信息服务平台的方法,并对平台的体系结构、功能模块组成进行探究,向用户提供智能化、知识化服务,提高了旅游领域搜索的查准率和查全率.     

基于语义Web的多功能情报信息自适应检索技术

为了解决传统依据关键字、概念和属性值等检索技术没有考虑不同主体中情报信息间的语义关系,无法提供令用户满意的情报检索结果问题,通过语义Web方法研究了多功能情报信息自适应检索技术。设计基于语义Web的多功能情报信息自适应检索模型,检索模型包括人机交互层、知识处理层以及知识存储层。在知识存储层建立本体语义模型。在知识处理层,从检索的多功能情报信息关键词中推断和其语义有关的概念,依据概念有关词汇对原始查询进行扩展,对语义相似度进行计算。在人机交互层,将用户反馈情况看作判断检索结果优劣的衡量因素,依据相似关键词获取相似结果集,按照反馈因子完成对所有相似结果的排序,把排序结果发送给用户,实现多功能情报信息自适应检索。结果表明,所提方法能够同时保证召回率与精度;排序误差率低;检索结果和用户查询结果最相符,检索结果准确,可令用户满意。可见所提方法检索性能强。     

一种基于农业领域本体的语义检索模型

基于农业领域本体和词汇,给出一个针对农业领域的语义检索改进模型.该模型接受用户自然语言输入,通过计算词语与本体知识之间的相关度和相似度,来实现词汇到知识的映射.针对农业领域本体特点,给出相应的语义扩展规则,把检索结果从本体知识扩展到与之相关的资源文档,并对检索结果进行排序.     

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。     

Image Semantic Automatic Annotation by Relevance Feedback

A large semantic gap exists between content based index retrieval (CBIR) and high-level semantic, additional semantic information should be attached to the images, it refers in three respects including semantic representation model, semantic information building and semantic retrieval techniques. In this paper, we introduce an associated semantic network and an automatic semantic annotation system. In the system, a semantic network model is employed as the semantic representation model, it uses semantic keywords, linguistic ontology and low-level features in semantic similarity calculating. Through several times of users' relevance feedback, semantic network is enriched automatically. To speed up the growth of semantic network and get a balance annotation, semantic seeds and semantic loners are employed especially.     

基于差分进化算法的语义查询扩展技术

目的提高扩展词与用户查询在语义层面上的关联,解决歧义扩展问题。方法基于差分进化算法的语义查询扩展技术先利用领域本体提供的领域背景知识来获取候选扩展词集,然后通过分析用户日志来获取用户检索偏好信息,最后利用差分进化算法确定同用户检索意图最相符的扩展词集。结果比起前沿的局部上下文分析方法,基于差分进化算法的语义查询扩展技术能够确定更高质量的扩展词集。结论利用用户日志和本体中概念间的语义关系作为背景数据来过滤无关的扩展词可以有效提高后续语义扩展过程的效率,差分进化算法能够有效排除同用户检索意图无关的词集并确定高质量的扩展词集。     

基于本体的个性化检索技术研究

近几年信息检索技术飞速发展,但很多搜索引擎都存在检索精度不高,检索结果不够个性化等问题。本文提出一种基于本体的个性化检索方法,在记录用户手动标注的信息生成一个个性化倒排索引的同时,再将其与本体知识相结合,进一步明确概念和语义关系,使得用户榆入相同或相近的检索词时也能反馈用户曾经标注过的文档信息,从而满足用户的个性化需求。     

基于本体的教育资源语义检索系统研究

为提高信息检索的准确率和全面性, 在对语义检索技术和领域本体的构建进行充分研究的基础上, 在网络教育资源的检索工作中应用了本体语义的概念, 提出对用户输入的查询条件进行基于本体的查询扩展算法,设计实现了使用Lucene 对扩展后的查询条件进行检索的语义检索模型。实验结果表明, 该检索模型的综合查全率为81郾5%, 综合查准率为83郾1%, 这两项指标均优于传统的关键字检索方法。     

Query expansion based on semantics and statistics in Chinese question answering system

In Chinese question answering system, because there is more semantic relation in questions than that in query words, the precision can be improved by expanding query while using natural language questions to retrieve documents. This paper proposes a new approach to query expansion based on semantics and statistics Firstly automatic relevance feedback method is used to generate a candidate expansion word set. Then the expanded query words are selected from the set based on the semantic similarity and seman- tic relevancy between the candidate words and the original words. Experiments show the new approach is effective for Web retrieval and out-performs the conventional expansion approaches.     

基于领域约束本体的语义相关度计算研究

语义相关度计算是信息检索、文档分类和聚类、推荐系统、机器学习等诸多领域的关键技术之一。研究基于地学领域本体,综合考虑了本体层级信息量、本体拓扑结构等基础上,引入约束性本体,实现相关度计算算法。实验结果表明,加入约束性本体条件下实现的算法,相关度计算结果明显提高。     

基于自建模糊本体的智能信息检索研究

提出一种基于本体的信息检索模型,该模型将信息检索系统与从搜索的数据信息自动构建的本体相结合.使用在本模型中的本体有一般语义本体、领域知识和自动生成、构建的模糊概念层.主要研究基于本体的信息检索模型.描述处理过程及检索机制,并采用TREC的评价方法评估该模型,讨论应用不同类型本体的检索效果和影响.实验结果表明,提出的信息检索模型具有较好的检索效果.     

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.