信息检索系统中信息模型的建立方法研究

在信息检索引擎中,信息模型的建立方法对信息检索的速度起着重要的作用。在总结了布尔模型、向量空间模型、概率模型3类信息模型建立方法的基础上,提出了新的用户模型建立方法。该方法可在自适应信息检索系统中根据用户的特征,实现“检索正确的信息,在正确的时间,采用正确的方式,推送给正确的人”,大大提高了信息检索的智能化程度。     

中文自动标引的现状分析和展望

文章论述了国中文自动标引这一重要研究方向的现状，出现的一些比较曲型的标引方法，提出了中文自动标引的难点，相关技术和今后进一步发展的方向。     

采用k-均值聚类算法的资源搜索模型研究

针对当前海量信息存储对等网络系统中资源搜索技术效率较低的问题,提出了一种采用k-均值聚类分析的高效搜索模型.该模型利用资源描述框架(RDF)描述的元数据进行聚类分析,使得资源的搜索由全局变为局部,从而有效地提高了资源搜索效率;采用动态优化排序技术显著提高了查询的速度.通过子网分裂算法和节点备用算法增强了模型的可扩展性、安全性和可靠性.仿真结果表明,所提模型在查找时延和平均路径方面均比传统搜索模型更加高效、便捷.     

利用PCNN实现商标图像检索新方法

 为了解决商标存在尺度缩放、角度旋转和区域局部变化后的难以检索的问题,提出了一种基于脉冲耦合神经网络模型(PCNN,Pulsed Coupled Neural Network)的商标检索新方法.首先通过PCNN图像分割和直方图均衡化技术相结合提出了一种有效的图像预处理算法,以减小颜色对于商标灰度分布差异产生的影响.然后在PCNN模型中提出了边缘时间序列概念,并用于提取商标图像的形状特征,最终实现了商标图像的快速有效检索.在所建立的商标库中进行了计算机仿真,仿真结果表明该方法可有效地检索出待检索商标对应的商标图像,可很好地适应商标颜色变化、角度旋转和局部形状变化,体现了较好的检索性能.     

基于文本聚类的LSI文本分类模型

文本自动分类是文本挖掘的基础,可广泛地应用于信息检索,web挖掘等领域.在分类前首先要将文本表示成计算机能处理的形式,提出了一种将隐含语义索引(LSI)与文本聚类相结合的中文文本自动分类的方法.在挖掘文本的语义信息,提高分类速度上均取得了较好的效果.通过实验验证了方法的有效性.     

基于文本频谱的中文文本聚类方法

本文提出了利用文本频谱进行中文文本轮廓分析的表征方式.该方法基于不同时代、体裁和领域的文本在文字使用方面具有偏好性的假说,以文本中单个字符为单位,通过文本频谱刻画方法统计所有单字符在文本中出现的频率,并使用刻画出的文本频谱对文本进行表征;利用频谱比对分析技术,可计算出任意文本间的距离,并以此距离为基础进行聚类分析.进一步的实验证实了该方法的有效性.     

基于形状加权的三维模型特征提取算法

提出了一种基于形状加权的三维模型特征提取算法,同时考虑采样点与中心点间的距离,以及采样点所在三角面片面积大小,构建直方图获取特征描述符.该算法能够充分利用模型表面信息,提取步骤简单,时间消耗少.实验证明,利用本文算法得到的特征描述符进行检索,查全率和查准率都有明显提高.     

医学文献信息的获取与检索

简述了医学文献的概念及内容,详细介绍了医学文献信息获取与检索的常用方法。     

研究生计算机文献检索课程体系构建与教学模式创新——以石家庄铁道大学图书馆为例

计算机文献检索课是高校研究生信息素质教育的骨干课程,但随着信息环境的变化,高校普遍存在教学内容、教学模式与研究生培养目标不相适应的问题。以石家庄铁道大学教学实践为例,探讨了计算机文献检索课教学体系的构建和教学模式的创新。     

基于文本认知Hash的网络水军发帖检测技术研究

为了对网络水军的频繁发帖、顶贴进行控制、监督,设计一种文本认知Hash技术,对网络中存在的发帖进行分析、处理,生成发帖的文本Hash值,然后通过发帖Hash值之间的比较,确定该贴是否为灌水帖,并对该贴作出相应的处理。