基于蚁群优化代理的移动Adhoc网络资源搜索研究

由于移动网络的动态拓扑结构,网络资源搜索过程又需要大量的信令分组和通信链路的支持,移动网络中 的资源搜索变得异常困难.通过分析移动网络中资源搜索的关键问题,提出了一种基于代理的网络架构,并在这种 架构上运用改进蚁群算法解决这些问题.该方法首先在移动网络中引入代理节点以确定网络拓扑,然后在这种引 入代理节点的网络架构中使用改进蚁群算法,同时利用全局和本地信息素来寻找资源.仿真比较了传统蚁群算法 和改进蚁群算法的资源搜索性能,仿真结果显示相对于传统蚁群算法,这种新算法在基于代理的移动网络中可以 大大提高移动网络资源搜索的效率.     

基于文件分类的非结构化P2P网络搜索算法

为了解决现有的非结构化对等网络的搜索机制不灵活,效率低下的问题,提出了一种新算法.在该算法中,将网络结点按照拓扑分类,同时把要搜索的资源根据其流行程度和位置划分为不同类型,在搜索过程中对不同类型结点在查找不同类型文件时应用不同的搜索策略,提高了搜索效率.实验结果表明,该算法具有较高的灵活性和自治性,且比传统搜索算法有较...     

基于动态自适应性的语义对等网

 针对P2P网络的聚类性以及网络的逻辑拓扑与物理拓扑不匹配所造成的通信延迟增加、网络开销增大等问题,根据节点的物理位置及节点所包含信息的语义相似度,提出了一种3层结构的语义对等网模型。该模型基于节点物理位置与属性特征动态调整网络结构,自适应地改善自身的资源搜索性能。仿真结果显示,该P2P覆盖网能够以较低的查找时延和代价获得较高的查全率。     

运用传统文献组织方法组织网络资源

随着网络信息资源规模的迅速扩大,网络信息资源的利用难度明显增加。如何通过对网络信息资源的有效组织,使终端用户对于网络信息资源的使用更加便捷,成为亟待解决的问题。而要解决这一问题,就必须重视对网络资源组织方法的研究。基于此,提出了建立在传统文献组织方法之上的网络资源组织方案,并对各类方法的实际应用情况进行了详细分析与说明。     

云计算环境下可视化探索式搜索引擎的研究

针对目前搜索引擎返回的信息量过大且缺乏语义关联等问题,提出了一种云计算环境下的可视化探索式搜索引擎模型.该模型通过对元搜索引擎返回的原始信息在云计算环境下语义相似度的计算和语义链的构建,采用探索式搜索方法为用户获取个性化的结果.与传统搜索引擎相比,其结果更加直观地表现了目标信息及其之间丰富的语义关系,该方法使用户能够更为自然而有效地在海量的信息中发现更符合其需求的目标.作为实验模型,还需要更多的元搜索引擎的支持,以及进一步计算优化语义相似度的算法,才能使该模型真正实用化.本研究为云计算环境下构建新一代个性化智能搜索引擎提供了理论和实践上的参考.     

一种改进的非结构P2P资源搜索方法的研究

为了改进非结构P2P网络中搜索机制效率低下的问题,提出了一种新的非结构P2P网络资源搜索方法.在Gnutella泛洪搜索的基础上,利用蚁群算法的信息素的思想,指导资源搜索的方向,从而减少了消息信息量,提高了搜索速度.模拟实验表明该模型对搜索请求具有较高的效率和准确性.     

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.     

元搜索引擎的个性化

提出一种通过产生用户动态偏好来达到个性化搜索的方法．利用RDF的语义表达能力存储和优化基于访问记录的用户偏好,并采用聚类方法划分用户群,实现对用户偏好的有效管理。给出了元搜索引擎选择算法和搜索结果排序算法,实现了一个个性化的元搜索引擎,实验表明,该搜索引擎提高了查询准确率和使用效率,并能够根据用户及其所在群的历史偏好信息重新组织搜索结果．     

小世界模型下基于信任机制的资源搜索

在P2P中,大量的资源共享已经成为重要应用之一。有效的资源搜索方法是实现资源共享功能的重要基础,资源搜索效率既取决于网络的拓扑结构,又与搜索策略相关。现有的搜索算法存在网络负载较大和搜索效率偏低的问题。以P2P为研究对象,根据小世界网络较短平均路径长度和较高聚类系数的特性,提出一种小世界模型下基于信誉机制来遴选最优路径(CMS),从而实现一定可信程度下资源高效率搜索。实验结果表明,该搜索机制提高资源搜索的命中率的同时,有利于数据包的快速传递且具有一定的资源搜索可信性。     

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。     

试述网络信息资源指标评价

根据目前国内外网络资源评价的现状,提出网络信息资源评价的必要性,并对网络信息资源评价指标,网络信息资源评价方法,网络信息资源评价方法目前存在的问题,以及网络信息资源评价研究的发展趋势进行了探讨.     

改进Kademlia协议的P2P网络资源发现算法

标准Kademlia协议在P2P网络内容监控中获取资源信息时,存在搜索效率低下、全面性不佳等问题,据此提出一种采用改进Kademlia协议的P2P网络资源发现算法。该算法在分布式哈希路由表的基础上实现一个可动态修改自身ID的自定义P2P节点,改进Kademlia协议通过自定义P2P节点被其他节点记录在路由表中的位置来提高节点收到资源搜索消息的数量,高效获取P2P网络中传输的资源搜索与下载消息。实验对比表明:和标准Kademlia协议相比,采用改进Kademlia协议的资源发现算法进一步提高了单位时间内发现资源搜索与下载消息的数量,能找到更多P2P网络中传输的资源及正在搜索或下载这些资源的节点。从而实现P2P网络监控中对资源进行有效定位和发现的目的。     

基于词间语义相关度的搜索结果聚类算法

将查询结果根据内容进行聚类是提高搜索引擎服务质量的关键技术之一.搜索结果聚类时只能从文档标题和文档片段中抽取有限信息,传统聚类方法难以准确计算其相似度.提出了一种基于词间语义相关度的搜索结果聚类算法,该算法以词为聚类的核心,词所出现的文档为词的属性,根据词在搜索结果文档中共现的情况来划分类别.该方法可以充分利用词间的语义相关性,类别划分后即可确定类名.实验结果表明,对搜索结果聚类时与K-Means和STC算法相比,质量上有所提高.     

语义关系自动抽取方法

词语间语义关系是中文信息处理基础。现有算法存在语义关系抽取专业性强、依赖语料库、抽取有限等不足。通过确定符合语义关系的种子,根据种子生成谓词模板和种子模版,利用网络资源得到网页信息,将网页信息与谓词模版和种子模版进行匹配,最终得到词语间语义关系。该方法充分利用网络资源,并不受限于特定语料资源,抽取的词语关系可适用于多种语义关系的自动抽取。通过同义语义关系实验和对比实验,表明语义关系自动抽取方法具有良好的抽取结果。     

分布式教学资源的个性化搜索

针对目前分布式教育资源搜索缺乏智能化的现状,提出了根据用户的兴趣进行个性化搜索的概念,并设计了相应的个性化分析模型和个性化资源搜索模型,给出了采用自学习算法和信息检索、过滤方法.通过研究,可以解决传统教育资源配送系统效率低和智能化不高的问题,实现教育资源配送中心的个性化管理.     

基于抽取规则和本体映射的语义搜索算法

针对目前语义搜索过程中存在效率低、 用户推荐误差大等问题, 提出一种基于抽取规则和本体映射的语义搜索算法. 首先根据用户语义搜索要求抽取语义中的元素和属性, 解决数据利用率低的缺陷; 然后建立语义模型, 构建本体之间的元素及属性之间的映射, 消除用户需求和计算机之间的语义偏差; 最后将语义搜索算法应用于用户个性化推荐系统. 实验结果表明, 该语义搜索算法有效提高了搜索效率, 降低了用户个性化推荐误差.     

融合多源异构网络信息的标签推荐方法

标签通常被广泛地应用于标注各种在线资源,例如文章、图像、电影等,其主要目的是便于用户理解以及高效地管理和检索海量网络资源。因为人工对这些海量资源进行标注十分繁琐且耗时,所以自动化标签推荐技术被广泛关注。目前大部分标签推荐方法主要通过挖掘资源的内容信息进行推荐。然而,现实世界中很多数据信息并非独立存在,如文献数据通过相互引用关系而形成复杂的网络结构。研究表明,资源的拓扑结构信息和文本内容信息可分别从2个不同角度对同一资源的语义特征进行概括,并且从2个方面观察到的信息可以互为补充和解释。基于此,提出一种同时对资源内容信息和资源网络拓扑结构信息进行统一建模的概率主题模型和标签推荐方法。该方法通过结合标签和资源内容之间的标注关系以及资源之间的链接关系等多源异构信息,去挖掘资源潜在的语义信息为新的资源推荐若干功能语义相近的标签。     

一种动态检索算法改进

对基于RDF的动态语义检索算法进行了探讨,在它的基础上提出了一种基于“簇”的RDF动态语义检索算法。该算法与原算法相比,主要是在查询条件与目标资源进行匹配时,将搜索范围限制在超节点所归属的语义簇内及超节点所管辖的自治节点簇内,即搜索范围从语义对等网络中的所有节点数降低到超节点所归属及所管辖的簇内的节点数,有效地防止了请求洪,从而大大地缩短了搜索时间、提高了检索效率。     

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。     

基于社交网络的实时搜索引擎的排序算法研究

针对用户在社交网络中面对海量的信息和资源,如何实时地获取自己感兴趣的内容,给出一种基于社交网络的实时搜索模型,并根据社交网络的特点考虑对朋友、时间、相关度等因子对搜索结果进行排序。针对基于超链接网页排名的Pager-ank算法,提出了一种基于用户朋友数的Pagerank排序算法。实测结果表明,该模型提高了搜索结果的实时性和相关度。