基于Ontology的Web信息检索方法

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。将Ontology应用于信息检索系统改善这种状况,提出了基于Ontology的Web信息检索模型,给出了基于此模型的Web信息检索流程。     

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.     

基于Ontology数字图书馆信息检索模型研究

数字图书馆的核心任务之一就是提供良好的信息检索系统,而传统的信息检索技术以关键字匹配为主,缺乏语义推理能力,对用户的查询请求没有提供语义指导,因此造成信息的误检、漏检.本文将Ontology用于数字图书馆信息检索,首先分析了数字图书馆特点和需求,接着提出了基于 Ontology 数字图书馆信息检索模型、体系结构,深入研究了关键技术,最后对研究进行了验证.     

基于语义网的数字图书馆信息检索模型研究

介绍了语义网的相关知识,针对数字图书馆信息检索效率不高的问题,在现有数字图书馆信息检索模型的基础上,提出一种新型的基于语义网的数字图书馆信息检索模型,详细论述了该模型的3个主要模块及其各自功能。通过采用语义网技术,解决了在传统的基于关键字的信息检索中只能从句法上对关键字进行分析,而无法根据信息资源中的语义关系进行检索的问题。     

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.     

基于概念格的民族信息资源存储与检索

概念格应用于信息检索具有独特的检索和导航优势。基于概念格理论的基础上,研究民族信息资源概念格的存储与检索,为提高民族信息资源平台的检索效率提供参考。     

WWW信息检索综述

WWW是目前全球最大的信息系统,在WWW上查询信息和文档主要依靠Internet搜索引擎。现在也出现了许多实用商业搜索引擎站点,例如Yahoo!、InfoSeek、Excite、Lycos等。主要介绍了信息检索系统的结构（Robot,搜索引擎,索引数据库,查询服务等4个部分）,信息检索系统的分类（检索工具站点和检索服务站点）,信息搜寻的基本原理,信息检索模型（包括经典的布尔模型,概率模型和新兴的概念模型等）,其他的检索技术（例如Push技术,Mobile Agent技术等）,对WWW信息检索做了比较全面的介绍。     

基于本体的图书智能检索系统的模型研究

针对传统的基于关键字查询的信息检索系统存在的不足,文章提出了一种基于本体的图书检索系统模型的研究方法,提出了基于本体的图书智能检索系统的基础模型,介绍了一种本体归分导航器的原理并给出了系统简要的算法。实验证明,该智能检索系统能够检索到与关键字语义相关的信息,如同义、近义等关系,提高了传统图书检索系统的检索效率。     

化工行业信息搜索技术的研究

面向行业主题的搜索在特定主题信息覆盖方面与通用搜索引擎有着截然不同的要求,为解决行业信息搜索的问题对基于向量空间算法的化工相关度计算以及对经典的Page-Rank页面排序算法做了研究与改进并且在Nutch搜索引擎架构基础上,搭建了一个面向化工行业信息资源的垂直搜索引擎。相对于通用搜索引擎来说剔除掉了不必要的搜索结果信息量,提升了系统速度,提高了行业信息搜索的准确度。     

基于概念检索的中文搜索引擎

随着Internet中文信息的增加，智能化引擎已成为中文检索技术未来的发展目标与趋势，概念检索作为一种实现技术有着广泛的应用前景，文中阐述了概念检索的意义，介绍了一种基于概念语义网络且针对特定领域的中文搜索引擎模型与实现。     

Concept Approximation between Fuzzy Ontologies

0 IntroductionOnktnoolwolgeyd[g1]ei so tnh eth bea ssiec moaf nstihcari Wnge ba[n2]d. re Tuhsienregare concepts ,relations ,instances and axioms in theontologies .Classic ontologies are based on descrip-tionlogics[3],whichinterpret conceptsinthe ontol-ogy as sets of instances . However , we often needrepresent uncertainty information in practice,e.g.text and multi media information. The classic ontol-ogies are insufficient to represent such uncertaintyinformation, because it may be uncertain …     

基于自然语言查询的搜索引擎模型

阐述了目前网络上的搜索引擎主要是基于关键词索引查询技术而设计的,这种技术的搜索范围很大,但由于关键词难于表达丰富的概念和用户信息需求中的丰富语义,导致查准率很低。以语义W eb和基于语义的网络信息检索技术为理论根据,从克服目前信息组织和信息检索的矛盾出发,用XML/RDF作为语义描述、组织、存储、查询的工具,试图在未来搜索引擎发展方面做一些尝试性的研究,提出了一个基于自然语言查询的搜索引擎模型。     

基于Nutch的搜索引擎技术

Nutch是一个优秀的基于Java的开放源码搜索引擎,是以Lucene为基础实现的搜索引擎应用程序,其工作流程和现代商业搜索引擎工作原理一样:文本搜集、建立索引和查询.为了使它能够支持中文搜索,在分析了Nutch结构的基础上,采用词表分词技术和前向匹配分词算法对中文信息进行分词,以JavaCC脚本实现上下文相关文法中文分析模块,成功实现了Nutch中文搜索功能.     

基于Agent的个性化搜索模型

该文针对传统搜索引擎单纯面向信息过滤的缺点 ,引入Agent技术 ,提出了第 2层信息服务模型 ,其中采用了基于用户个性的信息再过滤方法。第 2层信息服务模型在第 1层信息服务 (即传统的搜索引擎 )之上构建用户兴趣模板和分组模型 ,将用户需求定义为显性需求和隐性需求并给出了相关算法。依据此定义获得相应信息服务于用户 ,增强了信息搜索能力。     

一种基于本体的垂直搜索引擎系统模型

为了弥补互联网信息爆炸带来的搜索引擎用户满意度低的问题,提出了一种基于本体的垂直搜索引擎模型。该模型构建一个本体知识树,利用增加了属性提取和相似度算法的NWeb-Crawler对网页进行抓取,并将非相关信息进行隔离;然后,进行网页源代码格式信息和语义信息两方面的抽取;抽取的数据信息通过分词后建立二维索引表,用户的请求通过本体知识树扩展概念集和二维索引表进行检索。该系统模型从入口网页到出口数据逐步贴近检索需求,具有良好的扩展性,对垂直搜索引擎的研究有一定的参考借鉴作用。     

基于语义和Chord算法的P2P搜索模型

基于有组织的P2P网络,给出了一个将语义和Chord算法融合的搜索算法,以解决搜索信息的表达能力和负载平衡问题.算法的基本思想是将一个引入超级节点和域组概念的有组织P2P结构作为基于语义的P2P网络的拓扑结构,利用超级节点和相似度思想,使含有相似主题的结点尽可能链接在同一个超级节点上,并利用关键字和语义的二次比较来进行查询定位,实现了在搜索效率和准确性上的相互协调.最后在现有Edutella架构基础上,分别对有组织语义P2P网络和Chord算法进行扩展,构建搜索算法的实验环境.实验表明,该方法提高了P2P系统的搜索成功率和搜索效率.     

形式概念内涵的一种快速求法

形式概念分析理论对于知识发现、信息检索、机器学习、软件工程等领域是一种很有效的研究工具。在它的应用中,概念的快速求法具有举足轻重的作用,研究人员已经提出了许多求概念的算法,这些算法都离不开形式背景并不可避免地对形式背景进行多次访问,对于大的形式背景来说,会大大降低算法的效率。提出用属性树方法求概念的内涵,只对形式背景进行一次扫描,就可以求出全部概念的内涵,从而可求出所有的概念。实验表明,该算法的效率要高于Ganter算法的效率,并且可以进行并行计算。     

探索式搜索中支持多角度概念发现方法

为帮助用户在执行探索式搜索时发现领域内重要、有价值的概念, 同时了解概念所处的问题角度进而全面理解目标领域, 以建模概念的实际使用情况为基础, 分析确定概念的重要度及问题角度对概念重要度的影响, 提出了支持用户多角度概念发现方法。该方法考虑了概念的重要性及概念所处问题角度之间的交互影响, 实现了对影响概念发现两方面因素的同步分析。实验表明, 相比直接搜索, 该方法减少了48.8%的搜索交互次数, 并提升了24.3%的概念出现数量。