企业信息异地查询系统的访问控制策略

企业信息查询系统将分布各地独立的信息业务系统的信息使用Web服务技术进行集成,通过公用或者专用互联网络满足用户的访问需要。因其异构性和基于Web服务,安全问题尤其特殊与重要。使用CA安全中心统一管理用户身份认证与服务之间的信任访问,通过安全令牌、数字签名和数据加密建立应用层的安全控制机制,满足了异地查询系统的安全需要。     

对现行《专利法》第十四条的质疑

专利法的第二次修改主要在明确主体、强化保护、完善程序三个方面取得了成功.但在对该法第十四条的处理与我国社会主义市场经济以及TRIPS的要求相比尚存不少缺憾.建议由第四十九条"因国家或公共利益而进行强制许可的规定来覆盖.     

“积累说”质疑

一般认为,文字是在漫长的原始社会,通过书写符号的数量积累逐渐发展而成的,简称“积累说“。考古材料表明,原始符号并未在文字产生之前逐渐积累;形体比对显示,甲骨文很少吸收原始符号;原始符号与文字的根本差异不在符号数量,而在系统的性质,原始符号不可能通过积累成为文字。“积累说”是站不住脚的。     

标准汉字库字符的拼音首字母自动提取

在应用程序，特别是数据库管理系统中经常要求输入汉字，以进行各种查询操作，这是非常低效而烦琐的事情，如果能以汉字拼音首字母来取代汉字的输入，将极大地提高查询操作的方便性和查询效率．通过对汉字内码的剖析，提出针对一、二级汉字库字符拼音首字母的提取方法，并设计相应函数，以满足应用系统的开发需要。     

数据起源研究综述

数据的动态演化特征给数据的管理带来了极大的挑战，数据起源问题就是其中的问题之一。数据起源问题是近几年随着数据库和网络的发展而发展起来的一个研究领域，其内容主要包括数据起源的计算、存储、传播和查询等，它与视图维护与更新、数据归档等问题密切相关。本文介绍了数据起源概念的由来，详细分析了当前计算数据起源的两种方式：查询反演方式和标注方式，比较了两种方式的特点，总结了数据起源的应用，并探讨了今后的可能研究方向。     

跨语言信息检索初探

随着互联网的发展，网络成为人们获取信息的重要来源，但是语言的藩篱却限制了人们获取信息的自由。跨语言信息检索应运而生。本文将从理论和实践两方面对跨语言信息检索进行论述：理论方面分析了实现跨语言信息检索的方法和策略；实践方面则以Mulinex系统和Google搜索引擎为例，介绍了跨语言信息检索在实际中的应用。     

一种基于关键词的大规模DeepWeb信息检索系统

针对传统web数据集成系统实用性、伸缩性和适应性差的问题,提出了一种新的web 数据集成系统体系结构,实现web规模的数据集成。系统支持用户提交关键词查询、提取用户查询模式、映射相关领域、选择web数据库、执行查询排序查询结果。介绍了组成系统的关键组件,及创建Deep Web索引、领域映射和用户模式匹配等处理大规模异构web数据的关键技术。     

基于本体的Web语义查询研究

基于本体基础提出相似度和相关度分析,以充分挖掘领域本体所提供的背景知识,通过语义推理将描述的隐含语义显式化,提供计算机被描述资源的可理解语义.设计了实现该方法的Web信息检索模型,实验表明该方法能提高查准率和查全率.     

一种改进的多关系半连接数据库查询算法研究

由于普通多关系半连接优化算法,分布式数据库系统的缓冲区不能作为查询的中间结果的最后装配站点,提出了改进普通多关系半连接的数据库查询优化算法,实验结果表明改进的多关系半连接的查询优化算法明显地减少了中间结果数据量,有效地降低了网络通信总代价。     

Improved Query Matching Using kd-Trees: A Latent Semantic Indexing Enhancement

Efficient information searching and retrieval methods are needed to navigate the ever increasing volumes of digital information. Traditional lexical information retrieval methods can be inefficient and often return inaccurate results. To overcome problems such as polysemy and synonymy, concept-based retrieval methods have been developed. One such method is Latent Semantic Indexing (LSI), a vector-space model, which uses the singular value decomposition (SVD) of a term-by-document matrix to represent terms and documents in k-dimensional space. As with other vector-space models, LSI is an attempt to exploit the underlying semantic structure of word usage in documents. During the query matching phase of LSI, a user's query is first projected into the term-document space, and then compared to all terms and documents represented in the vector space. Using some similarity measure, the nearest (most relevant) terms and documents are identified and returned to the user. The current LSI query matching method requires that the similarity measure be computed between the query and every term and document in the vector space. In this paper, the kd-tree searching algorithm is used within a recent LSI implementation to reduce the time and computational complexity of query matching. The kd-tree data structure stores the term and document vectors in such a way that only those terms and documents that are most likely to qualify as nearest neighbors to the query will be examined and retrieved.