基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型(IRHOMIA,information retrieval system based on hierarchically organized of multi-interest Agent),模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具.试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高.     

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。     

基于Agent的个性化元搜索引擎

传统搜索引擎不能满足用户对个性化数据的需求,本文提出基于Agent的个性化元搜索引擎,将Agent技术与元搜索引擎技术相结合,较好的实现了搜索引擎的智能化,为用户提供了一种良好的检索解决方案.Agent具有的自主性、社会性、反应性和能动性等特性可提高系统的灵活性与智能性,可更好地根据用户行为定制个性化模型,大大提升了用户体验,查全率与查准率得到改善.     

基于多Agent搜索行为分析的用户兴趣模型

为解决传统搜索引擎个性化的局限性问题,在研究用户感兴趣搜索引擎现状基础上,通过多Agent较全面记录、分析用户搜索的行为,提出了一种新的综合用户搜索行为,构建用户感兴趣搜索引擎研究框架--基于多Agent搜索行为分析的用户兴趣模型。研究结果表明,依据用户搜索行为构建用户兴趣模型,使搜索引擎返回结果更贴近用户需求。满足用户个性化服务,提高了信息搜索的查全率和查准率。     

个性化Agent层次结构模型构造

通过对人类心理的分析,构造出个性Agnet的层次结构模型,即需要模块、驱动模块、喜好地址表模块及世界观模块.重点阐述了需要模块,其分别包括思维策略、安全系统等低层次结构体系及通信请求、推理系统、解释系统等高层次结构体系.这些层次结构体系及各模块确保个性化Agent具有层次分明、开放、灵活及较好的稳定性等优良特性.     

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.     

基于用户兴趣模型的信息推送系统研究

为了满足民航监管部门对庞大的各类民航信息有效、及时获取的需求,提出了基于多Agent的信息推送系统模型,通过显式和隐式的建模技术构建和完善向量空间模型描述的用户兴趣特征,并据此使用基于内容和向量空间相结合的方法实现信息的过滤和推荐,使系统提供的个性化信息服务尽可能满足用户真正需要。     

基于智能Agent的Web信息检索

本文研究了当前web信息检索、搜索引擎的现状,提出了一种智能多Agent系统结构,该结构适用于Internet上的智能搜索系统,能够完成信息主动搜索、中心索引、信息过滤查找以及用户反馈更新等功能。     

基于多Agent的Web个性化信息检索模型

提出了一种基于多Agent的Web个性化信息检索系统的模型(WPIRS-MA),该模型利用多智能Agent技术,结合用户的关键词描述,挖掘用户潜在的兴趣和特征,在各Agent的协调下,完成信息检索、过滤和聚类.框架分析表明该模型具有良好的灵活性、智能型和扩展性.基于5个站点的Web文档测试分析结果表明,该模型可以保证良好的关键词集的正确率,用户查询满意度达到80%以上.     

多Agent技术在信息检索中的应用

从信息检索现状出发,运用人工智能技术,提出一种多Agent的信息检索方法。通过建立用户个性模型,辅助检索Agent在信息提取过程中的精确性,提高系统的个性化和智能化程度。     

基于本体论的信息检索

 将本体论应用于信息检索,提出了基于本体论的信息检索模型.该模型支持用户查询的导引,并按领域分类有选择地返回查询信息.     

基于Markov网络的检索模型

基于Markov网络的信息检索模型提出一种贝叶斯网络推广的检索模型,该模型利用词项在文档集中的共现信息来构造Markov网络,通过该索引项子Markov网络来加载附加查询证据源,计算文档与查询之间的相关性概率,由此概率进行文档排序. 实验结果表明,本文提出的Markov网络模型比其他传统的检索方法具有更优的检索性能.     

基于Agent的旅游出行决策系统

针对旅游企业传统的商业网站及其决策支持系统的局限性,引用Agent技术,提出了一个新的决策系统框架,设计了基于Agent的旅游出行决策系统.研究表明,系统模型中的多个Agent相互合作,共同完成决策支持任务.充分地发挥了Agent的自治性、自适应性、协同性和智能性.     

基于BP算法的Agent个性化Web检索系统

提出了一种基于BP算法的Agent个性化Web检索系统;利用实际的数据进行测试,得到了相应的结果,证明算法确实有效,实现了Web查询的个性化,基本满足了用户的个性化需求;指出了如何处理特征项之间的关联,以及进一步提高查询的精确程度是下一步研究的方向。     

基于快速聚类索引的图像检索系统

为了提高基于内容的图像检索系统的检索速度,提出了一个基于快速聚类索引的图像检索算法,并将其应用于视频新闻检索系统中.该算法采用Fastmap算法实现图像高维特征向量降维,并用改进后的模糊C均值聚类算法对降维后的图像进行聚类,生成图像索引.该算法用于图像检索,检索时间不会随着图像数据库中图像数量、特征向量维数的增加而增加,极大地提高了系统的检索效率,有效地解决了聚类中心初试值的选取问题.同时利用该算法构成的系统还具有动态删除、分裂、合并、插入等功能.实验结果表明,与顺序扫描算法相比,该系统不仅大大提高了检索速度,而且在图像数目和特征向量空间维数增大的条件下,仍能够获得良好的检索性能.     

基于Web的服装图像检索系统

提出了基于Web的服装图像检索方法，用ASP实现了对服装图像数据进行检索与浏览等功能。     

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.     

An image retrieval system based on fractal dimension

This paper presents a new kind of image retrieval system which obtains the feature vectors of im-ages by estimating their fraetal dimension; and at the same time establishes a tree-structure image database. After preproeessing and feature extracting, a given image is matched with the standard images in the image da-tabase using a hierarchical method of image indexing.     

基于Agent的网络信息检索技术的设计与实现

介绍了一个基于Agent的网络搜索子系统，该系统通过查询代理与Internet上的搜索引擎实现连接，既可实现元搜索，又可以在返回的网址较少或不满足用户的要求时，使用自身搜索工具在网络上自主搜索，而且搜索算法从查询代理返回的网址出发进行搜索，减少了搜索的范围，加快了搜索的速度．