基于模糊语义距离的多媒体信息检索方法研究

与传统的数据库精确查询不同 ,多媒体信息检索的查询条件是不完备的。本文叙述利用模糊语义距离来检索多媒体数据库中信息的原理、算法 ,并将模糊相似测试作为检索结果判断标准 ,最后通过一个示例来说明本方法的使用。     

中文自动问答中旬子相似度计算研究

句子相似度计算是自动问答系统的重要理论基础和关键实现技术.目前,用于中文自动问答系统的句子相似度计算方法很多,由于缺乏系统的分析,给研究人员带来了较大的不便.依据所利用的特征信息,可以将这些方法分为四类,即基于关键词信息、基于语义信息、基于句法结构信息以及基于多重信息.通过对各类方法实验结果的比较,指出各自的优势和不足.同时指出,基于多重信息的方法是当前的主流方法,实现不同特征信息的最佳权重分配是该类方法今后的研究重点.另外,还提出一个有关相似度概念认识上的看法,即对于中文自动问答系统,实质上依据的是句子的相关度,而不是句子的相似度.通过本文的研究,旨在为中文自动问答领域的句子相似度计算研究提供一定的参考.     

基于递归概念图的文本检索模型研究

Sowa在1984年提出了一个抽象模型,即概念图,作为基于语言学、心理学和哲学的知识表示语言.但是其概念图的定义比较简单,对于刻画文本中的语言组块的语义及语言单元之间的组合运算比较困难.为了能从形式上为将来的组块内部和组块之间的组合分析提供支持,深化概念图的表示形式,我们提出了一种适用于自然语言自动化分析的概念图的形式化描述,它可以看成是Sowa 概念图的递归扩展.然后我们将这种新颖的知识表示方式应用到文本检索领域的文本标引中,同时给出了以此为基础的概念图匹配算法.在和布尔检索的比较实验中,概念检索体现出比较明显的优势.     

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.     

基于本体的语义检索技术研究与实现

在本体基础上通过语义相似度和相关度的计算,利用语义推理将描述的隐含语义显式化,以充分挖掘出与检索内容相关的信息,实现相关信息的语义融合,提高查准率和查全率。研究基于本体的语义相似度和相关度的计算方法,并通过该语义检索方法的实现,证明该方法在语义检索系统开发中的可行性。     

情报检索语言研究的新领域

情报检索语言的发展面临现代化、理论方法综合化和集成化的新条件,研究新的语言模型,提高检索语言的表达、描述等功能是当前的重要研究课题,同时要具体研究数据库检索语言、网络检索语言、本体论和语义网检索语言。在所有这些领域里,检索语言的机器理解功能日益重要;为适应机器处理的环境,对它的逻辑推理能力的要求越来越高,知识建模功能与系统表达能力受到越来越多的重视。     

中文信息处理中的语义关系表示探析

根据目前中文信息处理的现状对自然语言在句法结构与语义结合方面的需求，对美国加州大学伯克利分校构建的框架网络工程进行探索与研究，详细分析框架网络数据库中最重要的框架关系，并利用这些关系将词汇进行联系形成网状数据库，目的在于利用词与词间的关系进行信息抽取或信息检索时，能够方便准确地进行信息处理并得到理想结果。     

DC词表的维护:实践、策略与模型

DCMI维护着一个包含众多元数据术语的词表，其中最主要的是包括15个元素的都柏林核心。然而，DCMI所关注和讨论的并不只是这个核心集，以及围绕这个核心集的实践、策略和模型，DC元数据模型已经由最初的单一模型进化成一个完整的框架，可以通过这个框架对应用DC元数据的各种实践进行评估。这些术语及其以前的版本现在都由统一资源标识符(URI)来标识，并建立了网页和形式化的schema文档，在注册系统中被编成索引，在具体的应用纲要(application profiles)中被引用。DCMI正在寻求一种简单易行的维护机制，一方面推荐使用不断变化和增长的核心标准，另一方面承认和重用其它的词表作为必要的补充，这两者之间需要建立一种平衡。     

基于本体论的语义导航模型研究

本文通过对信息导航的现状分析，提出基于本体论的语义导航思想，研究了基于本体论的信息组织，构建了基于本体论的语义导航模型，并结合实例探讨了语义导航的实现原理。     

基于本体和相似度的信息检索

介绍本体的基本概念,论述本体的形式化表示和信息源表示,以及影响术语相似度的3个因素(距离,深度和密度),并在阐述如何计算术语相似度的基础上,描述基于本体和相似度检索过程。