非结构化文本数据的GIS描述性查询方法

针对传统地理信息系统(GIS)结构化或半结构化属性查询方法对查询语句输入的精度及查询范围的限制,提出了以哈尔滨工业大学《同义词词林》扩展版文本相关度计算为核心的非结构化文本数据GIS描述性查询方法。基本过程是根据描述性查询语句计算其与地理要素所关联的文本的相关度,进而以相关度值得出概括性查询结果。对比实验结果表明,描述性查询方法不但支持查询语句输入的多样化,而且能够有效地得出与输入的描述性查询相关联的地理要素。

大规模数字图书馆系统中的查询导航技术

现代数字图书馆把大批的形式多样的信息源组织起来，但是对于用户提出的查询要求，传统数据管理系统无法有效地找到相关信息 .针对这一问题提出了查询导航技术，并提出用户查询描述文件和数据源描述文件的概念及对于给定查询，利用用户查询描述文件和数据源描述文件动态发现相关信息的方法 .

基于多数据库查询优化的图形工具的设计

设计了一个定义多库查询的工具,该工具的设计提供了一个新的抽象层面,该抽象层面向下可将查询映射到各种具体的数据库中,向上则隐藏了各个数据库的差异,在前端采用统一的方式显示给用户。用户可以以一种直观的方式定义查询,并且在查询执行过程中使用了查询采样优化算法,使得整个用户查询变得简单而快捷。

常识知识查询(英文)

给出了在一个面向Agent、本体和关系的常识知识库中如何实现常识知识查询的过程。在查询过程中,用自然语言形式描述的查询先被转化成一种我们所定义的面向Agent和本体的描述性查询语言。接着,描述性查询被翻译成SQL查询语句。用SQL查询语句对已转化成为关系形式的常识知识库进行查询后,自然语言生成算法把以关系表为形式的查询结果转化成自然语言。实验表明,新的查询方法在查询时间上优于原有的直接在agent和本体上查询知识的旧方法。实验数据表明,查询时间缩短了大约80 %。

一种基于RAL的RDF查询方案

随着RDF的出现,其相应的查询语言也应运而生。然而,这些语言都没有考虑RDF代数关系(RDF algebra,简称RAL),因此,这样的RDF查询语言通常没有使用APIs来描述它们的语义和优化问题,这对于RDF查询会导致一种低性能行为。为此,为RDF查询语言和执行RDF查询优化提供一种RAL。首先定义RAL的数据模型、然后呈现处理数据的运算和等价规则、最后描述应用RAL运算和等价规则来查询RDF的优化。

教育资源语义Web原型机OntoLom的研究

在互联网上按语义对信息定位,目前尚无一个完美的解决方案。近年的研究发现,通过对某一知识领域建立本体(Ontology),并建立相应的语义网(Semantic Web),从而实现这一知识领域的语义搜索,理论上来说是可行的。为实现这一构想,本研究课题以IEEE发布的《学习对象元数据》为知识领域,以W3C发布的OWL本体规范为技术标准,以University of Manchester研制的FaCT++作为推理机,研制《教育资源语义Web的原型机—OntoLom》,成功实现在教育资源知识领域的按语义搜索。