基于Agent的数据库分布式语义缓存

以大型数据库应用为背景,基于多Agent技术,构建一个分布式数据库访问平台。研究分布式环境下的语义缓存技术,提出一种Agent平台下的智能预取算法,以及一种改进的黑板模型,用于实现多Agent间的通信。在大型数据库系统上的性能测试结果表明,该方案对海量数据的统计查询性能有显著提高。

基于分布式语义分析的学术创新跨领域演化探析

[目的/意义]学术创新研究对于把握科学发展规律,促进科研合作交流至关重要。针对当前学术创新相关研究在创新演化分析方面的不足,基于分布式语义分析技术,通过上下文挖掘考察同一学术创新在不同领域中的应用场景变化,跟踪并探析学术创新的跨领域演化特征。[方法/过程]围绕上述研究问题,首先构建探索性研究方案,包括学术创新的跨领域分布测度、分布式语义表征、领域间上下文差异性测度和领域演化特征词提取,其后选取具体创新对研究方案进行实证检验。[结果/结论]结果表明,构建的研究方案在实际应用中能够有效把握学术创新的跨领域分布情况及跨领域演化特征,相关成果有效拓展学术创新研究范畴,并将知识演化研究推进到创新实体层面,实现对具体创新在不同领域中的差异性演化情况的跟踪。

一种分布式语义增强的词汇链文本表示模型构建方法

【目的】利用分布式语义关联计算词衔接关系,解决目前词汇链构建时存在的词间关系探测深度不够等问题,提高词汇链构建质量。【方法】对词汇链构建的技术方法进行归纳,利用WordNet词典关系来计算文本中语言单元的语义关联,利用分布式记忆模型来计算语言单元之间的潜在语义关系,将这两种语义关系结合起来实现词汇链文本表示模型的构建。同时在理论研究的基础之上选择医学领域科技论文进行对比实验。【结果】在文本主题描述方面,本文方法的词汇链构建结果要优于非贪婪算法,算法耗时与非贪婪算法相当。【局限】算法耗时较长;没有完整考虑词衔接关系;只在对医学领域科技文献的主题识别中验证了该方法的有效性,还需要在更多领域进行证明。【结论】分布式语义关联可以识别潜在语义,对使用多元短语构建词汇链也有较大的帮助,能有效地增强词汇链构建效果。

语义仓储构建技术研究进展

如何对海量的RDF数据进行存储、查询、存取和推理是RDF数据管理研究领域最关心的问题之一，文章界定了语义仓储的概念及其与关系数据库管理系统的区别，根据语义存储介质和组织方式的不同对语义仓储进行了分类，结合实际的案例对基于内存、基于传统数据库和原生方式存储模式的语义仓储的优缺点、适用范围和不同存储模式之间的区别和联系进行了分析，在语义仓储的分布式存储策略上，对集中式语义仓储和自组织语义仓储这两种网络结构的组织形式和应用系统做了综述，还对语义仓储测试基准及应用系统的研究进展进行了分析，讨论存在的问题及未来可能的研究方向。

基于语义相似度计算的临床诊断自动编码算法研究

提出一种为中文临床诊断自动进行ICD-10编码的算法,利用分布式语义相似度计算方法计算文本语义相似度,考虑到中文的语言特点,不仅基于词语构建词向量,还基于汉字构建词向量,测试二者对查准率和查全率的影响。结果显示该算法在测试集上获得较高的准确率。

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法.首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对.实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法(55.77%)和模式匹配方法(61.95%).

基于三元组文档表示的文本分类

为解决现有文档表示方法中不包含结构特征以及难以融入外部知识的问题,提出基于三元组的文档表示方法,并结合分布式向量语义表示。基于三元组的文档表示方法的另一个优势是可以非常方便地融入词向量特征,扩展三元组的语义表示。该方法在完全相同且不使用外部知识的实验设置下,能显著提升文本分类的性能;当词向量特征被利用后,文本分类性能增强了约0.8%;当融入自动抽取的外部背景三元组知识后,进一步带来了1.2%的性能提升。

基于免疫原理词表示的词相似度计算

词相似度计算在自然语言处理、信息抽取等研究中发挥重要作用。基于语料的词相似度计算是一类重要方法,其基本思路是从语料中学习词的向量表示,基于向量余弦相似度值作为词的语义相似度。本文提出一种新的基于免疫原理词表示的词相似度计算方法,并在Sem Eval 2012 Task 4数据上进行了验证并和其他方法进行比较,实验表明本文的方法是有效的,并且优于大多数比较系统。