模糊描述逻辑f-DLR-Lite∩的合取查询回答

分析了描述逻辑合取查询回答的研究现状及存在的不足,在描述逻辑DL-Lite和模糊集理论的基础上,提出了一种可表示和处理n元关系,并允许在包含公理左侧出现概念合取的新的模糊描述逻辑f-DLR-Lite∩,并给出其语法和语义及知识库的形式.提出了一种兼容查询阈值和用户指定权重的模糊查询语言,给出了利用这种语言在f-DLR-Lite∩知识库上进行合取查询的具体步骤和算法,并进行了算法时间复杂度分析,讨论了该合取查询过程的一阶逻辑可归约性.f-DLR-Lite∩弥补了经典描述逻辑在知识表示和推理上的不足,扩展后的查询语言对用户查询意图的表达更加精确合理.     

面向语义的精简化多关系频繁模式发现方法

多关系频繁模式发现能够直接从复杂结构化数据中发现涉及多个关系的复杂频繁模式，避免了传统方法的局限。有别于主流基于归纳逻辑程序设计技术的方法，提出了基于合取查询包含关系的面向语义的精简化多关系频繁模式发现方法，具有理论与技术基础的新颖性，解决了两种语义冗余问题。实验表明，该方法在可理解性、功能、效率以及可扩展性方面具有优势。     

基于一阶逻辑的非一致性关系数据管理

对于给定的约束,数据库可能是非一致的.为了获得一致性结果,基于一阶逻辑,提出非一致性关系数据管理框架,研究多种合取查询类型对应的连接图及其连接的充分性,分析一致性查询应答的计算复杂度.在查询连接类型是键-键、非键-键或不充分的键-键,且查询对应的连接图是非环的情况下,一致性查询应答的计算在多项式时间内是可解的.针对大量实际的易处理合取查询,给出查询重写算法获得可重写的查询.算法首先判断初始查询是否为可重写,再基于连接图进行递归计算构造一致性识别语句,然后,与初始查询合取产生一个新的一阶重写查询,用于计算一致性结果.对于非环的自连接查询,由于递归重写算法不能剔除非一致性元组,因此,采用初始查询获取了用于剔除违反键约束的非一致性元组的语句.     

基于集合论的中文问答系统查询扩展

在汉语问答系统中,当用自然语言问句进行文档检索时,由于问句比查询词包含更多的语义信息,因此必须进行查询词扩展以提高信息检索的性能.通过分析已有的查询扩展方法,提出了基于集合论的查询扩展新方法.它结合了3种传统的查询扩展方法:语义词典法、自动相关反馈法和问题类型词.实验结果表明该方法在Web检索方面是有效并且优于传统的方法.     

基于AllegroGraph的空间数据语义查询研究

在语义网环境下,对AllegroGraph RDF数据库的空间数据语义表达方式进行了介绍,分析、阐述了其索引机制和查询技术,并通过实验,验证了其处理大规模空间数据语义查询的良好性能.     

利用问句语义结构构建旅游领域数据库查询

为了提高数据库查询的准确率,提出一种利用问句语义结构构建领域自然语言数据库查询方法.该方法通过定义问句语义模板,借助领域知识,对领域问句进行语义分析,提取问句语义块,并通过语义模式匹配实现问句语义模板向SQL的转换,从而实现自然语言数据库查询.在云南旅游领域实验的结果表明,该方法取得了较好的效果.     

基于关联规则的语义查询优化技术及应用

从当今数据库研究的热点之一———知识发现的角度出发,围绕对被查询数据库的数据挖掘问题,将知识发现和语义查询优化结合在一起,提出了一种基于关联规则的语义查询优化方法,并用该方法实现了毕业生信息库的查询优化系统.     

基于语义的移动数据库查询优化

本文给出了一种本文给出了基于语义的移动数据库查询优化策略。对于一个给定的查询,通常会有多种不同的查询策略。查询优化就是从这些策略中找出最有效查询计划的一种过程。在本文中,分别从客户和服务器的角度,解决移动数据库在客户机断接情况下的查询问题。     

复杂相似性图像检索系统体系结构

研究了一种支持复杂相似性查询的图像检索系统体系结构、提出了处理复杂相似性查询的技术,构造出一个高效的图像检索系统。图像的内容由三种特征来定义：可量化的可视化信息特征、非量化描述的语义信息特征和包含更抽象语义信息的关键字特征。用记可以根据上述特征对图像数据库进行各种简单到复杂的查询、利用面向对象的注释描述模型实现图像的高层语义内容索引,利用特征提取方法可以对图像模型中的可视化定量特征建立索引。     

中文自然语言数据库查询系统

本系统是一个建立在关系数据库上的中文自然语言接口系统。借鉴了国内外自然语言数据库接口设计的理论和方法。对汉语处理方法不同于传统方法,所用的语法信息不是传统意义下的词与词的搭配结构,而是属性项的搭配结构,语义信息不是广泛意义下的句子信息,而是面向数据库查询系统的操作语言信息。查询句的分析重点放在对操作语义项的提取,本系统用C语言编写,是一个面向实用的汉语接口系统。     

利用AI-DB技术设计OODB的语义查询模型

作为第三代数据库的OODB,要求是新的理论方法和技术。作者分析OODB的现状后,提出了一种语义查询模型。它是用一种基于人工智能和数据库相结合(AI-DB)的技术实现的。与用户界面自然语言的查询,被分析、分解为相应的查询规则,建立规则表、触发表和转换表,最后提交给系统依照表格完成查询。这是一种新的基于语义查询的实践。     

语义缓存在并行数据库系统中的应用及实现

在许多应用系统中，使用缓存技术是提高数据库查询性能的有效途径。语义缓存是重要的缓存方式之一，它将查询结果和查询的相关语义信息缓存，为将来的查询提供解答。针对一个数据量极大、持续进行查询和数据装载的数据库系统，给出了一个加入语义缓存使之优化查询性能的方法，分析了其中的关键技术，并给出了实现方法。     

基于语义网络的古建筑图像数据库的查询策略

研究古建筑图像数据库的基于语义网络的查询策略,提出语义网络的初始构建方法,给出了语义网络的训练、低层特征的图像信息的查询,实现了一个简单的查询系统.     

基于TreeLSTM的查询基数估计

针对传统的数据库管理系统无法很好地学习谓词之间的交互以及无法准确地估计复杂查询的基数问题,提出了一种树形结构的长短期记忆神经网络(Tree Long Short Term Memory, TreeLSTM)模型建模查询,并使用该模型对新的查询基数进行估计.所提出的模型考虑了查询语句中包含的合取和析取运算,根据谓词之间的操作符类型将子表达式构建为树形结构,根据组合子表达式向量来表示连续向量空间中的任意逻辑表达式.TreeLSTM模型通过捕捉查询谓词之间的顺序依赖关系从而提升基数估计的性能和准确度,将TreeLSTM与基于直方图方法、基于学习的MSCN和TreeRNN方法进行了比较.实验结果表明：TreeLSTM的估算误差比直方图、MSCN、TreeRNN方法的误差分别降低了60.41%,33.33%和11.57%,该方法显著提高了基数估计器的性能.     

基于Hibernate的效率查询的研究和应用

通过对Hibernate的介绍,研究和分析了基于Hibernate对数据库查询的速度问题,特别是对多条记录和包含大数据量字段的记录的查询。并在实际应用中对查询效率的分析得到说明。     

SAM*模型向关系模型的转换规则

在语义数据库管理系统中,模型转换是查询转换和数据转换的基础,本文探讨了SAM模型向关系模型转换过程和转换规则,并给出了原型设计,为了防止转换过程中语义丢失,本文利用字典解决这一问题.     

查询语句语义优化的一个方法

查询语句语义优化的基本思想是,数据库所反映的现实世界的特定知识可以用来将查询语句变换成语义上等价但句法上不同的形式,以期寻找常规优化方法不可能找到的最优执行方案。本文提出了建立在费用模型及约束强度概念上的语义优化策略,并对查询语句中连接运算的删除作了进一步讨论。     

查询语句语义优化的一个方法

查询语句语义优化的基本思想是,数据库所反映的现实世界的特定知识可以用来将查询语句变换成语义上等价但句法上不同的形式,以期寻找常规优化方法不可能找到的最优执行方案。本文提出了建立在费用模型及约束强度概念上的语义优化策略,并对查询语句中连接运算的删除作了进一步讨论。     

网络环境下XPath查询集的冗余去除

网络环境下XML数据库查询应用,目前国内外已存在多种优化技术,查询重写,语义缓存等,但在冗余去除方面却缺乏研究。在已有技术的基础上,从减少网络流量的角度改进原XPath查询集冗余去除方案,利用XPath树模式和DTD对查询集在不同XML文档结构下冗余度进行评估,并在算法中权衡网络流量和XPath查询复杂度,来满足用户需求。