基于Markov网络的信息检索扩展模型

为了解决信息检索性能较差的问题,查询扩展将索引项之间的关系以及文档之间的相似度引入到检索中,这个过程可以通过构造知识网络来进行.Markov网络是一种有效的知识关联图形表示方法,可以从实例数据训练获得.本研究提出并实现了基于Markov网络的信息检索扩展模型,通过对文档集的学习,构造了关于索引项和文档的Markov网络,将有利于检索的信息加入到检索中.实验表明,基于Markov网络的信息检索扩展模型优于BM25模型.     

基于Markov网络的结果重排技术

信息检索中通过网页链接信息提取文档内部关系进行搜索结果重排可以提升检索系统的性能。通过Markov网络来展现文档内部关系,该网络更直观地解释了文档间的语义相关性,利用这种文档内部语义关系计算文档重要性对检索结果进行重排。根据文档分布特征阐述了Markov文档网络的构造算法,讨论了Top-k及其相关文档的重要性评分算法,修正初始检索的文档评分。通过这种方式,既保持了文档图的查询相关性,又丰富了文档内部关系,扩大了重排序范围。实验表明,在多个标准文档集上基于Markov网络的结果重排技术对检索性能有较大的稳定提升。     

基于PageRank的Markov网络信息检索扩展模型

传统的查询扩展技术大都依据单个查询词的相关性来扩展查询词,忽略了查询词之间的相关性以及查询扩展词的不同重要程度,使得扩展效果不佳。针对此问题,提出了一种基于PageRank算法的查询扩展模型,该模型在Markov网络检索模型的基础上,从查询本身出发,将所有与查询相关的词组成Markov查询关联子网,在此子网上应用PageRank算法来计算候选扩展词的权重,由权重序来确定扩展词的选取,排名前列的扩展词进入检索阶段,消除噪音,提高检索效率。在标准数据集上的实验结果表明,本文提出的模型能有效地改善检索效果。     

基于Markov网络团的查询意图识别

通过利用Markov网络团的方法来对查询意图识别.首先从人工标注搜狗查询日志中约2 250个查询作为测试数据,采用搜狗提供的分类语料(共10类)来建立Markov网络,用建立的Markov网络来对查询进行扩展,得到相关的返回结果列表,运用在分类语料训练好的分类器来对返回结果进行分类,从而完成对查询意图识别的过程.实验中采用的评价指标是11_avg和3_avg,实验结果表明该方法能够有效地提高检索效率.     

混合语义模型的产品知识文档检索

为解决产品知识文档检索过程中遇到的问题,提出一种基于混合语义模型的检索方法.该方法将传统的用户查询需求扩展为用户偏好、语境和用户查询混合而成的语义集合,并对知识文档和用户需求进行基于本体的模糊概念表达.对于知识文档,选择领域本体的叶节点来构造文本概念向量,根据概念在本体图中的深度、携带的信息量,及出现在文档与语料库中的频度来计算权重.同样采用本体表达知识语境与查询语义,建立用户偏好模型.针对检索模型的不同组成,阐述了相应的相似度计算方法,采用概念的语义距离计算用户当前语境和文档语境之间的相似度,用余弦法计算查询语义、用户偏好与文档的相似度.最后用实验验证了该方法的检索效果优于传统的向量空间方法.     

基于Markov网络团的信息检索扩展模型

全局分析方法是一种常用而能有效改善信息检索效果的查询扩展方法。通过计算词间相似度构造M arkov网络模型;然后由此模型加强候选词集中的词相关性描述,并提取了在Markov网络中词间的团结构;通过在查询中加入查询词所在团中的其他候选词进行查询扩展。实验表明基于Markov网络团的信息检索模型的检索效果优于基于一般的相似性矩阵查询扩展的检索效果;基于团提取方法的查询扩展的检索效果优于普通的基于提取方法的查询扩展检索效果。     

基于Language Model的地理信息检索模型(英文)

区别于传统的信息检索,地理信息检索通过一个查询范围词来限制用户的兴趣区域.目前的技术一般是把该查询范围词作为一个过滤器,将在该范围之外的文档排除在查询结果外.但是,词在地理空间的频率分布并不是均匀的,因此词在排序结果中的重要性应该随着查询范围的变化而有所改变.为此,提出了一种新的基于语言模型的地理信息查询模型,把查询范围引入到传统的语言模型中.在该模型中,引入了一个local model来描述查询词的地理分布特性.实验结果表明,新的检索模型优于TF-IDF与传统的语言模型.     

基于文档关系改进的向量空间模型

由于用户查询信息不足而导致传统向量空间模型检索结果不够准确,针对此问题,提出了一种基于文档关系改进的向量空间模型.改进模型将初始检索结果中排名靠前的高相关文档组成基准集,通过计算初始检索结果集中每篇文档与基准集的相似度,来修正原模型中文档与查询的相似度,实现对检索结果的重排序,从而实现对向量空间模型的改进.实验结果表明:与传统向量空间模型相比,改进模型使得相关文档排名更合理,在保证召回率的条件下提高了准确率.     

概率XML关键字检索排序算法

探讨了针对概率XML文档集中与内容相关的关键字检索结果的排序问题,针对概率XML文档的特征提出了一种新的排序模式.与仅取决于检索结果概率的检索排序算法不同,本文提出的排序算法充分考虑了节点对文档的区分程度、节点描述文档的程度,以及XML文档本身的结构特性,设计了满足以上特征的检索结果排序模型,并针对排序模型提出了新的倒排索引结构.新的排序算法可以快速完成关键字检索,并将最相关的信息提供给用户.模拟数据集实验验证了该方法的有效性.     

一种扩展的基于XML的概率数据模型

概率数据模型研究已受到广泛关注，但对于多数据源情况下的概率数据管理却缺乏研究，在已有模型的基础上，提出了一种扩展的基于XML的概率数据模型，使概率查询操作不再局限于模型内部，而是充分利用各数据源自身的信用度及规模等信息，支持多个XML概率数据文档间的归并与查询，此外该模型还解决了用XML表示概率数据所引入的数据依赖问题.     

基于BPNN/HMM神经网络的声学模型研究

研制了一种基于BP神经网络和隐马尔可夫模型(HMM)的混合声学模型,BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量,而删则对转换后的纯净语音特征矢量进行分类,从模型级补偿的方面来提高语音识别系统的鲁棒性．讨论了一种基于线性预测的MKCC语音特征提取方法,该方法把提取出的失真语音特征矢量作为神经网络的输入,从而实现了特征参数级去噪处理的目的．     

一种基于样本块的图像超分辨率方法研究

提出了一种在马尔科夫网络框架下基于样本块的图像超分辨率算法。算法根据相似性选取多个样本块作为图像重建的候选,在候选集中计算图像块先验概率和图像块之间的相容性,最后在马尔科夫框架下选取最优图像块,合成最终的高分辨率图像。实验证明本文提出的算法具有较好的超分辨率效果。     

Markov链模型在异常检测上的应用研究

Markov链模型作为一种统计分析方法是异常检测的重要分析手段，论文分别从单步、多步Markov链和基于Markov链的序列预测三个方面，研究了Markov链模型在异常检测检测上的应用。实验表明，该方法在不需要任何攻击领域知识的情况下，能很好检测出SendMail系统调用的异常行为。     

基于涡轮风扇发动机控制系统的安全性分析评价

阐述了对涡轮风扇发动机控制系统分析评价的必要性,分别对故障树和马尔科夫分析评价法进行了介绍和综合对比,提出一种基于模糊马尔科夫模型的动态故障树分析评价方法:将故障树里的动态逻辑转换为马尔科夫模型,来解决动态逻辑门的求解问题,实例证明此方法能有效解决具有动态失效特征的复杂系统的建模问题.     

基于Web日志挖掘的Markov预测模型及算法研究

通过Web日志挖掘技术可分析用户访问模式,从而为客户提供智能化、个性化服务。马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式。就此对Markov预测模型进行深入研究,描述了其实现算法,并结合实例对混合Markov预测模型方法进行了验证。     

基于GPS轨迹数据的混合多步Markov位置预测

随着移动设备和定位技术的广泛应用,基于位置服务成为研究热点,位置预测是其重要研究内容.基于GPS轨迹数据,对位置预测方法进行研究.Markov模型可以较好地表示时序数据,因此可较好地用于位置建模和预测.在基于Markov建模的位置预测中,1阶Markov模型存在轨迹信息利用不充分、预测准确率低的问题;而多阶Markov模型存在状态空间急剧膨胀的问题.针对这些问题,提出了基于混合多步Markov模型的位置预测方法,在将原始GPS轨迹转化为区域轨迹的基础上,对各多步模型进行融合,提出了基于Adaboost框架的各多步模型影响系数的生成方法,在保证状态空间不变的情况下提高了预测准确性.真实数据集上的实验验证了所提位置预测方法的有效性.     

用于机械故障诊断的门限自回归模型盲辨识

提出了一种门限自回归(AR)模型的盲辨识算法,并与常用方法进行比较分析。该算法的特点在保证辨识精度上可大大提高其运行速度,而且阶次越高,该算法的优势越明显。将该方法与隐Markov模型结合,以门限自回归模型各区间的AR子模型系数作为特征向量,以隐Markov模型作为分类器,应用到旋转机械升降速过程的故障诊断中。实验结果表明,这种方法有很好的实用性。     

LTE-A/WLAN中基于马尔可夫过程的接入选择算法研究

在LTE-A/WLAN融合的异构网络中,为了随时随地为用户提供最好的连接,文中提出了一种基于马尔可夫过程的接入选择算法.当不同业务类型的用户到达这两个网络重叠覆盖的区域时,该算法根据当前各接入网的网络状态和用户业务类型做出相应的接纳控制决策,包括是否接纳该用户以及接纳到何种网络,通过仿真和采用马尔可夫过程分析该异构网络的系统性能,证明了该算法能够有效提高该异构网络系统的吞吐量,降低阻塞概率,改善异构网络中无线资源的利用率.     

马尔可夫链在网络积分中的应用

网络中有许多地方要用到网络积分.例如腾讯公司的QQ游戏中、其他网络游戏中都要用到积分.还有论坛比如小木虫论坛等也会用到积分.主要利用马尔可夫链对网络中的一些积分进行分析和预测.基本方法就是利用状态之间的转移概率矩阵预测事件的积分状态及其发展变化趋势.     

电子系统的Markov模型和云可靠性评价方法

针对传统的Markov模型可靠性评价方法难以体现复杂可变工作条件对电子系统可靠性影响的问题,根据云模型融合随机性和模糊性的特点,将云模型和Markov模型相结合,提出了基于Markov模型的云可靠性评价方法.首先根据电子产品和维修人员的特点,建立失效率和修复率关于环境条件和维修人员生理状况的适应能力云模型,然后根据实际的工作条件情况建立工作条件云模型,最后由适应能力云模型和工作条件云模型通过X条件云发生器生成失效率云和修复率云,并作为输入参数代入Markov模型进行可靠性评价.该方法考虑了环境条件和维修人员生理状况对系统可靠性的影响,其评价结果更接近于系统的真实情况.采用该方法对某双机冷备系统的分析表明:在温暖、电压稳定和维修人员身体状况良好时,工作条件变化导致系统可靠度和可用度的下降幅度低于0.5％;在寒冷、电压不稳和维修人员身体状况一般时,工作条件变化导致系统可靠度和可用度的下降幅度最大可达90％,与实际情况相符.