支持语义扩展的多关键词密文检索方案

现有的多关键词的检索研究集中在支持关键词的精确匹配,文中提出一个支持语义扩展查询的多关键词密文检索方案,基于信息内容计算方法同时考虑到关键词与文档的关系引入TF-IDF技术实现语义扩展;采用平衡二叉树的索引结构,使用安全k近邻算法加密索引向量和语义扩展查询向量,确保计算出准确的相关性得分,实现多关键词排序搜索。通过进行索引和陷门的机密性、查询无关联性等安全性分析表明,本文实现的检索方案是安全的,可以防止内部威胁。

“人肉搜索”语义嬗变:基于雷蒙·威廉斯“关键词”方法的探讨

借助历史语义学方法梳理还原语境可知,“人肉搜索”作为发源自中国的网络现象,其原生语义层次经过20多年的发展,在当下部分尚存,部分独立,部分丢失,部分被并入其它词汇,导致其偏离了原生语境中的内涵,至今仅仅被视为网络暴力的一个组成部分。而这个过程正可以反映中国的技术环境、监管环境和信息传播规律等方面的变迁,使属于中国本土的互联网发展史由此得以呈现。

基于区块链的多关键词模糊搜索加密方案

针对1对多数据密文共享中多关键词模糊匹配和用户公平性问题,该文提出一种基于区块链的多关键词模糊搜索加密方案。该文提出一种R-HashMap索引结构,通过使用对偶编码函数和位置敏感哈希函数来构建安全索引,并采用K最近邻算法来加密索引,通过计算欧式距离度量查询关键词向量与索引节点之间的相似性,实现多关键词模糊密文搜索。该文除了消除预定义词典和降低存储开销外,还在不增加搜索复杂度的前提下实现对安全索引的更新。此外,将以太坊区块链技术与可搜索加密方案相结合避免了恶意服务器对数据的篡改,使用智能合约作为可信第三方进行检索工作,不仅可以防止云服务器内部的关键词猜测攻击,还可以解决检索结果不正确的问题。通过安全性证明分析,该文不但满足自适应选择关键词语义安全性,还可以保护用户隐私和数据安全。将该文与其他方案进行实验对比,证明该文在保证精确度的前提下,时间开销上具有更好的效率优势。

基于语义扩展的多关键词可搜索加密算法

云存储中为保护数据所有者的数据安全性和隐私性,采用数据加密后再提供按需数据服务的方式,可搜索加密技术是解决加密数据接入的关键方法.但搜索时的多关键词不加区别和忽视索引之间的关联性会造成搜索时间长和准确率低等问题,提出一种基于语义扩展的多关键词可搜索加密算法.首先,基于依存句法区分多关键词的重要性进行语义扩展,并生成多关键词陷门;其次,基于凝聚层次聚类和关键词平衡二叉树,构建索引关联性的索引树结构;最后,引入剪枝参数和相关性得分阈值对索引树进行剪枝,在索引树中过滤掉索引无关的子树.基于真实数据集的理论和实验分析表明:所提算法能够抵抗规模分析攻击,并能提高搜索时间效率和搜索准确率.

云计算中保护数据隐私的快速多关键词语义排序搜索方案

可搜索加密技术主要解决在云服务器不完全可信的情况下,支持用户在密文上进行搜索.该文提出了一种快速的多关键词语义排序搜索方案.首先,该文首次将域加权评分的概念引入文档的评分当中,对标题、摘要等不同域中的关键词赋予不同的权重加以区分.其次,对检索关键词进行语义拓展,计算语义相似度,将语义相似度、域加权评分和相关度分数三者结合,构造了更加准确的文档索引.然后,针对现有的MRSE(Multi-keyword Ranked Search over Encrypted cloud data)方案效率不高的缺陷,将创建的文档向量分块,生成维数较小的标记向量.通过对文档标记向量和查询标记向量的匹配,有效地过滤了大量的无关文档,减少了计算文档相关度分数和排序的时间,提高了搜索的效率.最后,在加密文档向量时,将文档向量分段,每一段与对应维度的矩阵相乘,使得构建索引的时间减少,进一步提高了方案的效率.理论分析和实验结果表明:该方案实现了快速的多关键词语义模糊排序搜索,在保障数据隐私安全的同时,有效地提高了检索效率,减少了创建索引的时间,并返回更加满足用户需求的排序结果.

异质网络中基于关键词属性的Truss社区搜索

社区搜索旨在信息网络中寻找与用户指定的查询节点高度相关的稠密连通子图,是社会网络分析的重要研究内容。现有的社区搜索方法大多是针对同质网络,但现实中的信息网络通常是包含多种节点类型和多种关系类型的属性异质网络。提出了异质网络中基于元路径P和元结构S的P-距离和S-距离及(k,d,P)-truss和(k,d,S)-truss社区模型以度量子图的结构内聚性,同时提出了关键词属性得分函数用于度量不同子图的关键词属性相关性,最后提出了搜索具有最高关键词属性得分的(k,d,P)-truss和(k,d,S)-truss的社区搜索算法。搜索算法能够找到同时具有结构内聚性和关键词属性相关性的个性化社区,并且支持限制查询节点与社区内任意节点的最大距离d来控制社区搜索的范围。在真实数据集上与相关的社区搜索算法进行了实验对比,结果证明了所提算法的有效性和可行性。

一种基于数据增强的科技文献关键词提取模型

[研究目的]科技文献关键词提取研究具有重要价值,目前研究中关键词提取方法存在较大误差且只能提取文本中的关键词,难以根据深层语义信息提炼出更符合文本核心主旨的词语。本研究针对关键词提取对上下文隐含语义挖掘不足导致的局限性和重点信息关注不足问题开展研究。[研究方法]提出一种基于数据增强的关键词提取模型(GPT-2 BiLSTM Mul-Attention,GPBA),通过语言模型进行数据增强,并结合BiLSTM+Mul-Attention提取模型进行多特征语义信息融合理解。[研究结论]实验结果表明,基于数据增强的关键词提取模型GPBA总体表现优于其他基线模型,并且能更精确地凝练和提取文本中的关键词。

基于区块链的属性基多关键词排序搜索方案

对云数据进行访问控制能够限制非法访问、提高数据隐私安全,属性基可搜索加密是实现数据细粒度访问控制的关键技术之一。针对云数据访问中单一授权性能瓶颈、搜索功能局限等问题,提出一种基于区块链的属性基多关键词排序搜索方案。该方案采用多授权机制降低了系统计算负担,同时将属性基可搜索加密技术与区块链技术相结合,实现了云数据的细粒度访问控制与公平搜索;此外,引入向量空间模型和TF-IDF加权技术实现了多关键词搜索结果排序,提高了搜索效率。安全性分析、性能分析表明,该方案能够抵抗选择明文攻击和关键词猜测攻击,并具备较低的通信和计算开销。

语义大小与刺激数量在非对称性视觉搜索中的作用

为了探讨语义与刺激数量在非对称视觉搜索中的作用,研究采用不同语义大小的名词汉字,并指导被试在6和12两种刺激数量中搜索目标刺激。结果发现:(1)当刺激数量为6时,语义较小目标刺激的搜索效率高于语义较大目标刺激;(2)当刺激数量为12时,语义较大目标刺激的搜索效率高于语义较小目标刺激;(3)当搜索的干扰刺激和目标刺激语义大小一致时,数量多且语义较大的干扰刺激搜索效率更低。这表明语义大小与刺激数量对非对称视觉搜索存在交互影响,支持具身认知理论,并扩充了特征整合理论和引导搜索模型。

基于关键词图表示的文本语义去重算法

网络中存在大量语义相同或者相似的冗余文本,而文本去重能够解决冗余文本浪费存储空间的问题,并能为信息抽取任务减少不必要的消耗。传统的文本去重算法依赖文字重合度信息,而没有较好地利用文本语义信息,同时也无法捕捉长文本中距离较远句子之间的交互信息,去重效果不理想。针对文本语义去重问题,提出一种基于关键词图表示的长文本去重算法。首先,通过抽取文本对中的语义关键词短语,将文本对表示为以关键词短语为节点的图;其次,通过多种方式对节点进行编码,并利用图注意力网络(GAT)学习节点之间的关系,从而得到文本对图的向量表示,并判断文本对是否语义相似;最后,根据文本对的语义相似度进行去重处理。与传统算法相比,所提算法能有效利用文本的语义信息,并能通过图结构将长文本中距离较远的句子用关键词短语的共现关系连接起来,从而增加不同句子之间的语义交互。实验结果表明,所提算法在两个公开数据集CNSE(Chinese News Same Event)和CNSS(Chinese News Same Story)上都取得了比Simhash、BERT(Bidirectional Encoder Representations from Transformers)微调、概念交互图(CIG)等传统算法更好的表现。具体地,所提算法在CNSE数据集上的F1值达到84.65%,在CNSS数据集上的F1值达到90.76%,说明所提算法可以有效提升文本去重任务的效果。

一个可抵抗关键词猜测攻击的可搜索加密方案

可搜索加密技术成功地解决了“如何在密文上实现检索数据”的问题。然而,一些已经提出的可搜索加密方案并不能抵抗关键词猜测攻击,这严重威胁到了用户的数据安全。针对这一问题,提出一个新方案,该方案利用Diffie-Hellman密钥协商方案得到的共同密钥分别生成关键词密文和陷门,使得提出的新方案可以抵抗关键词猜测攻击。最后,进行效率比较,与其它同类可搜索加密方案相比,新方案只需要较低的计算成本。

前向安全的多用户多关键词可搜索加密方案

通过分析现有的动态可搜索加密方案,针对多用户动态可搜索加密方案不支持多关键词搜索和存在搜索效率不佳等问题,提出一种满足前向安全的多用户多关键词可搜索加密方案。使用布隆过滤器得到多关键词的检索文件,利用双线性的性质实现多用户的访问控制,检索结果更佳;搜索陷门由代理服务器和授权用户共同实现,保证陷门的安全;根据关键词状态信息和状态的单向访问索引结构,实现前向安全。通过可证明安全分析了方案的安全性。

语义检索技术在电商搜索中的应用研究

在电商搜索场景下,用户检索的语义模糊和商品标题信息的繁杂冗余,使得基于文本相似度匹配的检索算法无法满足用户检索的需求。针对这种情况,本文基于阿里巴巴淘宝电商开源的业务数据,探索了基于深度学习和对比学习的文本语义向量技术在电商搜索场景下的应用,并提出了模型领域自适应的训练方式和一种差异化多层次的数据增强方式。实验的结果表明,基于文本语义向量检索技术明显优于传统的基于文本相似度匹配的检索算法,模型领域自适应的训练方式和差异化多层次的数据增强方式能够显著提升商品召回的效果。

一种语义增强的空间关键词搜索方法

空间关键词搜索立足于查找满足用户查询意图且空间距离相近的兴趣点(point of interest,POI),在地图搜索等领域有着广泛的应用.传统的空间关键词搜索方法仅考虑关键词与POI点在文本上的匹配程度,忽略了查询的语义信息,因而会导致相关结果丢失以及无关结果引入等问题.针对传统方法的局限,提出了语义增强的空间关键词搜索方法 S3(semantic-enhanced spatial keyword search).该方法对查询关键词中包含的语义信息进行分析,并结合语义相关性和空间距离对POI点进行有效的排序.S3方法主要有以下2个技术挑战:1)如何对语义信息进行分析.为此,S3引入了知识库对POI数据进行语义扩充,并提出了一种基于图的语义距离度量方式.结合语义距离和空间距离,S3给出POI点的综合排序方案.2)如何在大规模数据上即时地返回top-k搜索结果.针对这一挑战,提出了一种新型的语义-空间混合索引结构GRTree(graph rectangle tree),并研究了有效的剪枝策略.在大规模真实数据集上的实验表明,S3不仅能够返回更为相关的结果,而且有着很好的效率和可扩展性.

云上基于错误学习的可验证多关键词搜索方案

为了解决公钥加密关键字搜索(PEKS)算法面临的多种难题,提出了一种基于错误学习的可验证多关键字搜索方案(LWE-VMKS).该方案利用格加密的算法生成关键字索引,搜索查询和签名,以抵抗量子计算攻击.该方案将单个搜索查询中多个关键字合并,实现多关键字搜索.该方案结合基于格的签名,保证用户可以在不解密密文的情况下验证搜索结果的正确性.另外,该方案应用陷门函数为不同的数据所有者生成不同的密钥,从而抵抗关键词猜测攻击(KGA).最后,形式化证明了所提出的方案是安全的,能够实现高效的多关键词搜索并实现搜索结果的验证,并且能抵抗KGA.

历史语义学分析与概念史知识考古——《民族音乐学“关键词”研究》后记

随着学科史的逐渐发展与成熟,当下对于学科“关键词”考察早已提上重要的学术研究日程。民族音乐学“关键词”的发展变迁就是学科在经历不断的丰富、发展与自我反思的过程中对于概念的生成及变迁问题的思考。它不但是学科互涉的产物,而且是不同概念之间在互相反思和批判的学术语境中生成的。对于民族音乐学“关键词”的系统考察研究,既是学科的历史语义学分析,又是学科概念史的知识考古过程。从早期的“比较音乐学”到“民族音乐学”再到“音乐人类学”等系列“关键词”的形成鲜明呈现出民族音乐学学科史构建的历程。

基于区块链的公平可验证的多关键词密文排序检索

针对区块链环境下已有的可搜索加密方案实现结果验证和公平支付的成本过高、检索功能局限的问题,提出基于区块链的支持验证与公平支付的多关键词排序检索方案。该方案通过云服务器(CSP)存储加密索引树和执行搜索操作,并且构建了包含验证证明的查找表来辅助智能合约完成检索结果的验证以及公平支付,从而降低智能合约执行操作的复杂性,节约时间和费用成本。此外,结合向量空间模型与词频逆文档频率(TF-IDF)技术构建平衡二叉树结构的索引,并使用安全K邻近对索引和查询向量进行加密,从而实现支持动态更新的多关键词排序检索。安全性和性能分析表明,所提方案在区块链环境下和已知密文模型下是安全可行的;仿真实验结果表明,所提方案能够以可接受的开销实现结果验证与公平支付。

基于词共现矩阵的项目关键词词库和关键词语义网络

针对专业领域中科技项目的关键词提取和项目词库建立的问题,提出了一种基于语义关系、利用共现矩阵建立项目关键词词库的方法。该方法在传统的基于共现矩阵提取关键词研究的基础上,综合考虑了关键词在文章中的位置、词性以及逆向文件频率(IDF)等因素,对传统算法进行改进。另外,给出一种利用共现矩阵建立关键词关联网络,并通过计算与语义基向量相似度识别热点关键词的方法。使用882篇电力项目数据进行仿真实验,实验结果表明改进后的方法能够有效对科技项目进行关键词提取,建立关键词关联网络,并在准确率、召回率以及平衡F分数(F1-score)等指标上明显优于基于多特征融合的中文文本关键词提取方法。

中国文论研究的关键词进路

关键词研究以探询概念、术语、范畴、命题等语词所承载的历史语义和文化语境为旨趣。与既有的哲学或美学概念、术语、范畴、命题研究范式有所不同,文论关键词研究于概念的本质属性之外,还留意词语的边缘意涵;为突破术语的单一学科限制,而面向词语所根植的整体文化;由范畴的普遍性与抽象性出发,寻绎词语背后丰富的历史文化信息;更注重命题提出与确立的思维过程,而不只是接受与阐发命题判断的结果。通过对词语非本质意涵、跨学科属性、具象化形态和思想史语境的观照,关键词研究正以其特有的旨趣、视角与方法,为新时期的中国文论研究开拓出新的进路。

基于语义联系的新闻网页关键词抽取

提出一种基于语义联系的新闻网页关键词抽取方法,不仅考虑了词语在知识库《知网》中的语义相似度,还考虑词语在具体上下文中的相关性,用词汇链将词语语义联系表示成图形式,在此基础上抽取出新闻网页关键词。对从网易网站选取120篇有核心提示的新闻网页进行测试,实验结果表明,所提出的方法比基于词频的关键词抽取方法和基于《知网》语义相似度构建词汇链的关键词抽取方法,在准确率和召回率上有很大的提高,当抽取关键词个数为3时,比基于词频方法的准确率和召回率分别提高了27.77%和21.38%。