基于大众标注的P2P语义检索系统模型研究*

在P2P混合模型下,研究基于大众标注的社区资源和社区用户管理机制,构建基于大众标注的P2P语义检索系统模型,并详细阐述系统的各模块功能和检索流程,重点探讨其中资源搜索模块的两种搜索方法。     

最新标签本体：标签和民俗分类法语义模型

当前,人们越来越关注协作化标签系统中标签数据的表示和共享。传统的标签（指随意标注的、没有与结构化本体相关联的标签）由于语言和语法的差异以及录入错误等,不适于做协作化处理。而且标签反映的是用户个人的观点,也不对同义词、词形变化或者其他对照映射关系做规范处理。因此笔者认为,标签的常规处理方法对语义协作的贡献非常有限,即便是有,要让计算机实现自动共享也是极其困难的。在语义层面上讨论数种协作标签标注的方法,提出一个标签协作标注和设计民俗分类法的概念模型,同时比较已有的标签本体,提出一个评价标准,并参照该标准讨论这些标签本体的优缺点。     

基于标签的大众标注系统协同推荐算法

本文针对大众标注系统中现有基于标签的推荐算法的不足,分析了大众标注系统中用户标注的潜在语义,提出了基于标签的大众标注系统协同推荐算法.新的算法利用扩展的PLSA模型将用户标注映射到具有明确意义的语义主题上,较好地消除了标签的语义模糊问题,提高了推荐精度.最后通过实验证明了本文提出的推荐算法效果要优于传统的推荐算法.     

基于LSA的社会化标注系统标签语义检索研究

在分析社会化标注系统标签检索研究现状基础上,针对传统方法可计算性不高、完备性不够、无法分辨自然语言的语义模糊性等不足,提出基于潜在语义分析的社会化标注系统标签语义检索模型,改进标签-资源矩阵权重计算算法,完善社会化标注系统的语义标注方法。并以delicious系统为例,抓取数据进行验证分析,通过对比,证明提出的模型和改进的算法能显著提高标签检索效率。     

基于语义的半结构化P2P网络

如何利用具有本体标注的结构化文档中的语义信息组织P2P网络,提供对基于语义的信息共享与查询的P2P网络支持,是当前P2P网络的研究热点之一.本文提出采用Peer所存储文档中的加权本体概念向量作为Peer的特征向量,通过相似度计算将Peer聚成Peer组,从而构造基于语义的半结构化P2P网络.用户的查询请求由各Peer组内的组服务器负责路由转发,组服务器计算查询请求与各路由表项之间的相似度,将查询向最有可能包含查询目标的Peer组转发.文中较全面地阐述了本体概念局部和全局权重的计算方法.由于P2P网络拓扑的建立过程和查询路由过程均基于语义信息,使得网络的各项性能与基于关键字处理的P2P网络相比,得到了较大的提高.     

社会化标注系统的语义标签资源导航构建

社会化标签的资源导航可以为用户提供个性化的信息服务。主题图不仅能解决一般社会化标注系统中标签云的语义缺失和语义模糊问题,还可以实现资源导航的可视化。基于社会化标签与主题图技术的资源导航可通过以下3个步骤实现:采集与预处理用户标签;形成具有明确架构和语义关系的知识网络;实现资源导航的可视化。     

大众标注系统中基于本体的语义检索研究综述

针对大众标注系统中由于用户添加标签的多样性和模糊性导致的检索准确性问题,建立基于本体的大众标注系统语义检索模型,分析需要解决的关键问题,如基于社会化标签建立系统专用的本体和利用构建的本体实现语义检索,据此详细分类并阐述当前研究,并对未来研究进行展望。     

基于社会化标签信息熵的个性化推荐算法

认为社会化标签没有特定的组织结构,标签的质量也会有优有劣。此外,同一个社会化标签对不同的人重要程度不尽相同。首先利用信息熵来刻画社会化标签对用户的重要性,然后将基于社会化标签信息熵算法和经典的协同过滤算法的个性化推荐结果进行对比,最后发现基于社会化标签信息熵算法在准确度上提高了10.9%。     

社会标注系统中标签推荐方法研究进展

主要对社会标注系统中的标签推荐方法的研究进行概述,首先对社会标注系统标签推荐的特点进行分析,而后从推荐方法的类型入手对领域的研究文献进行研究。最后,总结本文工作,展望社会标注系统中标签推荐方法的研究发展趋势。     

基于本体的标签控制方法研究

从标签用于网络信息资源组织的缺陷入手,分析标签控制的必要性,认为可以引入本体对标签进行控制,改善标签组织信息资源的能力.在此基础上,介绍了一种基于本体的标签控制方法--标签本体.     

Folksonomy中的语义关系呈现:Folksonomy局部本体

针对当前folksonomy语义关系呈现问题,在"用户-标签-资源"的三元视角下重构folksonomy语义体系,理清folksonomy语义关系的主要类别,进而建立科学的folksonomy语义与本体语义的映射机制,最终提出folksonomy局部本体的新概念,指出folksonomy局部本体是folksonomy语义关系呈现的途径。     

UMLS语义网络在社会化标注系统中的应用研究

[目的/意义] 研究统一医学语言系统中语义网络与社会化标注系统结合的深层次应用。[方法/过程] 总结UMLS语义网络的现有应用,分析UMLS语义类型与FrameNet语义类型的特征,构建适合本研究的语义类型,并通过实例梳理社会化标注系统与本体映射的思路。[结果/结论] 提出将所构建的语义类型作为标签归类的分类器以及作为分众分类系统与框架网络本体映射的桥梁。突破传统的基于统计的标签归类方法可为本体与分众分类系统的映射提供新的视角。     

基于领域本体的语义文本挖掘研究

为了提高文本挖掘的深度和精度,研究并提出了一种基于领域本体的语义文本挖掘模型.该模型利用语义角色标注进行语义分析,获取概念和概念间的语义关系,提高文本表示的准确度;针对传统的知识挖掘算法不能有效挖掘语义元数据库,设计了一种基于语义的模式挖掘算法挖掘文本深层的语义模式.实验结果表明,该模型能够挖掘文本数据库中的深层语义知识,获取的模式具有很强的潜在应用价值,设计的算法具有很强的适应性和可扩展性.     

基于个体概念语义关系的微内容发现研究

传统的超文本标记语言只能显示而不能使计算机理解页面信息,导致传统的基于关键词的检索工具的查准率、查全率和智能化程度都较低.虽然语义网可以解决计算机对页面信息的理解问题,但以往基于本体的语义匹配算法通常是面向类概念的,在精度上不能满足微内容的发现需求.本文面向微内容检索应用,在分析了个体概念的语义特征的基础上,提出了基于语义关系的个体匹配规则、索引结构和相应的语义检索算法.最后,通过实验验证,证明了基于个体语义关系的聚合机制具有更高的聚合细腻度,所提出的语义检索算法在面向微内容的检索应用中是有效的.     

基于在线词表的folksonomy语义关联识别方法研究

在研究现有folksonomy语义关系发现与识别的基础上,提出基于在线词表的folksonomy语义关联识别的总体思路和方法步骤,重点研究folksonomy语义关联识别的具体规则,制定基于在线词表的直接关联关系识别规则和非直接包含/同源关系识别规则,并利用开放教育领域的在线词表ERIC作为语义基础进行实证研究。     

基于领域本体的语义知识检索研究

针对传统知识检索效率低、精度不高等问题,引入本体技术,构建基于领域本体的语义知识检索系统架构,提出综合语义相似度的知识检索算法。算法综合考虑概念间的关系类型、概念所处的层次深度、概念密度、概念间连接的强度以及概念的属性等因素计算语义相似度,避免传统检索中存在的检索精度不高等问题。该模型为构建语义知识检索系统以及解决系统构建中的关键问题提供了理论指导。     

基于语义相似度的Web文本分类研究

传统的Web文本分类方法将文本中关键词的相似度作为分类的依据,丢失了很多重要的语义信息,导致分类结果不够准确且计算量大。基于此,文章提出了一种基于语义相似度的Web文本分类方法,利用领域本体将用关键词表示的文本特征向量表示为与之匹配的语义概念特征向量集,定义Web文本相似度的计算公式,设计并实现基于语义相似度的KNN算法。实验结果表明,该方法从语义概念层次上表示和处理Web文本,降低了文本特征空间维度,减少了计算量,提高了分类精确度。     

推荐系统中的隐语义模型研究?

隐语义模型是一种有效的隐含语义分析技术,其核心思想是通过潜在特征联系用户和物品。本文从理论方法的角度,详细介绍了隐语义模型的工作原理、模型表示、学习方法和评价指标等,并通过具体实验分别讨论几种典型隐语义模型算法的推荐效果,以全面认识和理解该模型在推荐系统中的应用特点。