多查询相关的排序支持向量机融合算法

排序学习是目前信息检索与机器学习领域研究的热点问题.现有排序学习算法在学习时把训练样本集中的所有查询及其相关文档等同对待,忽视了查询之间的差异,影响了排序模型的性能.对查询之间的差异进行描述,并在训练过程中考虑这种差异,提出一种基于有监督学习的融合多个与查询相关排序子模型的方法.该方法为每一个查询及其相关文档建立一个子排序模型,并将子排序模型的输出进行向量化表示,将多个查询相关的排序模型转化为体现查询差异的特征数据,实现多排序模型的集成.以排序支持向量机为例,在查询级和样本级建立新的损失函数作为优化目标,并利用此损失函数调节不同查询产生损失之间的权重,提出多查询相关的排序支持向量机融合算法.在文档检索和网页检索中的实验结果表明,使用多查询相关的排序支持向量机融合算法可以取得比传统排序学习模型更好的性能.

医学信息检索中一种基于概念的查询相关模型

人工赋予的主题词，如医学数据库中的医学主题词（MeSH），能够揭示文档的概念或主题。现有的信息检索方法还未能充分地利用这些知识资源，将其整合到检索模型之中将对信息检索具有重要帮助。本文提出一种基于概念的查询相关模型（Relevance Model），在该模型中将MeSH视为概念。提出一种方法估计相关概念的语言模型，即概念语言模型。首先，从伪相关反馈文档中识别出相关概念，再借助于概念语言模型估计最终的查询相关模型。该模型可应用两种概率估计的抽样方法，全局环境方法和本地环境方法。实验运行在Ohsumed和Genomics数据集上，本地环境方法在Ohsumed数据集上的性能相对于查询似然模型具有显著性提升，同时本模型也匹敌于经过调优的查询相关模型（RM3）。

图像重排序中与查询相关的图像相似性度量

现今的图像搜索引擎主要利用图像周围文本信息为图像排序,根据图像内容重排序可以进一步提高搜索性能。图像相似性的度量对重排序算法的性能至关重要。然而已有的相似性度量没有考虑针对不同的查询,图像的相似性应该不同。提出一种与查询相关的相似性度量方法,将基于全局特征的相似性,基于局部特征的相似性,以及视觉单词同时出现率融合到一个迭代算法中,挖掘出与查询相关的图像信息,计算图像相似性。在Bing图像搜索引擎上的实验结果证明本文提出的相似性度量方法优于基于全局特征,局部特征,或它们线性组合的相似性。

基于查询相关性分析的检索结果聚类算法

随着互联网的普及和网页数量的飞速增长,搜索引擎已经成为从网上获取信息的首选工具.然而,目前主流的搜索引擎在响应用户提交的检索请求时,往往以较长的一维列表形式分页展示结果,为了找到自己所需要的信息,用户必须对该结果列表进行耐心的浏览.为了进一步提高用户获取信息的效率和质量,减轻用户的劳动强度,研究者提出了对检索结果进行再挖掘、再组织的问题,聚类就是其中的研究热点之一.本文在分析现有检索结果聚类算法存在的问题的基础上,提出了基于查询相关性分析的标签驱动聚类算法,该算法通过分析短语与查询项的关联程度,提取作为候选簇标签的短语,然后根据这些标签确定网页摘要隶属的候选簇,最后基于对候选簇和标签的评价进行簇筛选和归并,得到聚类结果及每个簇的标签.在相同环境下进行的对比实验表明,所提出的算法优于相关工作,而且需要更少的信息资源支持.

位置相关查询中基于最小访问代价的缓存替换方法

在位置相关查询(LDQ)中由于用户的移动性和数据的位置相关性,给缓存替换策略带来了新的挑战。在详细分析位置相关数据(LDD)的空间位置特性和几种典型的位置相关缓存替换策略的基础上,提出一种基于最小访问代价的缓存替换策略(PLAC),一些重要的缓存替换因素如访问概率、更新频率、数据距离和有效范围等都包含在代价函数里,PLAC根据代价函数值的大小来决定被替换的数据,由此来保证有限缓存的最大使用率。通过实验对比,PLAC比其他位置相关缓存替换策略更为有效地提高了缓存命中率,缩短了查询平均响应时间。

位置相关查询处理的近似回答

位置相关应用在移动计算环境中日趋流行.为了提高系统性能和便于断接操作,可适当放松一些标准来提高可用性.提出了一个使用概括数据库的位置相关查询处理模型,当被访问的原始数据库不合适或不可用时,该查询处理模型能用缓存在移动设备中的概念层次和概括数据库返回近似查询.这个模型提供了在断接期间更优化的数据使用,能有效地利用低的带宽和有限的内存,可提供不同等级查询的近似回答.讨论了包括传输、查询处理代价的性能分析.

基于语义和真值程度的相关查询客观度量

相关查询可以给用户推荐合适的查询以辅助用户快速获得需要的信息，其中根据原始查询选择相关查询的优劣是相关查询有效性的关键。提出利用用户查询日志获得查询语义相关性，其关键是定义了三个与原始查询相关的相似性测度：查询串流行程度、查询串字面相似性和查询串之间语义相似性。使用真值程度度量，将查询串的三个测度度量值映射成一个查询相关性客观评价值，在计算过程中还能得到每个特性的优劣程度。实验结果表明：语义相关查询及其客观评价方法可以显著提高相关查询质量，主、客观评价值之间具有相当高的相关性，表明了本方法挖掘相关查询和评价相关查询的有效性。

最大相关模糊查询及其应用研究

在文档类模糊查询方面进行了较深入的研究,首次提出并实现了间接相关全衰期和最大相关查询,其原理有别于传统字符串相等比率的模糊查询技术,采用相关性定义及最大相关传递模式,目的在于实现更广泛意义下的模糊查询。在适当定义相关度情形下,不但能够查找出传统模糊查询搜索到的内容,而且可以查找到字面上完全不同但意思相关的条文,最大相关传递模式能够使得词语之间的相关度按一定规则传递,因此更具一般性和实用性。

利用支持向量回归确定相关Web查询

对用户输入的查询请求,如果搜索引擎系统能给出一个相关查询列表,将有助于用户进行查询修正,进而检索到用户所需要的信息.文中提出了一种利用支持向量回归确定相关W eb查询的新方法.对一个给定的W eb查询,首先从用户的使用记录中抽取候选查询的5个量化指标:被查询的次数、被查询的用户量、用户在反馈结果中的点击次数、与给定查询间的共有词项个数和点击相同网址(URL)的个数;然后用手工标记部分训练数据,进而建立支持向量回归模型,根据相关度的大小确定相关W eb查询.实验结果表明该方法具有较高的准确度.

基于线性回归的相关查询推荐

在分析搜索引擎查询日志的基础上,提出了一种基于线性回归的相关查询推荐方法。该方法考虑了查询串之间的多种关联关系,包括查询串会话共现、点击页面共享和查询串文本相似性,以避免因直接应用查询串之间的部分关联关系造成易受查询日志中噪音的影响。相比以往的方法,采用线性回归的方法来识别相关查询推荐的有效特征,能更好地解决噪音问题和进行有效的相关查询推荐。实验证实,采用线性回归挖掘的识别中文相关查询串的特征非常有效,且所提出的回归模型的预测准确率优于现有的方法。

无线广播环境下位置相关查询算法研究面临的问题及可能的解决办法

近几年来,人们开始研究无线广播方式下的位置相关查询处理,但是现有的研究都是基于欧氏空间,不能支持真正的路网空间中的应用。主要就无线广播方式下的位置相关查询处理的研究进展进行了综述,探讨该研究领域面临的主要问题,并提出可能的解决办法。

基于相关查询的关键字搜索优化技术

关系数据库广泛应用于人们的日常生活与生产中.关系数据库的关键字搜索使人们能如同使用搜索引擎一样从数据库中搜索结构化信息,成为当前的研究热点.目前大量研究致力于从各方面提高查询效率,而往往忽略了大量的历史信息中潜在的价值.历史信息包括查询关键字、查询结果、查询热度等信息,这些信息对当前查询的处理具有重要的意义,但目前这方面的研究成果很少见.对此问题进行了深入研究,提出了相关查询的概念并利用相关查询来提高当前查询的效率,提出了获取相关查询的keyword_match算法和利用相关查询的查询结果重构当前查询结果的reconstruct算法.理论分析和实验结果均表明,算法在保证了查询结果准确率的同时提高了查询效率.

基于关系数据库的位置相关查询处理

随着无线通信技术以及全球定位技术的发展 ,位置相关的查询处理及基于位置的信息服务技术已经成为一个热点研究领域 作为支持位置相关查询的一项关键技术 ,位置相关数据的处理也正在引起人们日益广泛的关注 对位置相关数据处理中的关键技术进行了分析 ,提出了一种基于关系数据库的位置相关数据的存储及表示方法 ,同时提出了一种可变粒度格栅索引方法用于对位置相关数据的数据区域进行索引 在此基础上 ,研究了相应的查询处理算法 为了测试相应算法的性能 ,设计并实现了一个原型系统 实验结果表明 ,所提出的方法具有灵活的表示能力。

基于位置相关查询的一种语义缓存模型

为了克服FAR算法在位置预测方面的不足,定义了一种语义缓存模型,与传统的语义缓存模型相比增加了对移动单元的坐标和语义片段的时间描述,有助于预测未来移动单元可能的位置.提出了一个改进的RBF-FAR算法作为替换策略,并结合使用RBFNN进行位置预测.实验证明,通过定义新的语义缓存模型,采用新的查询替换策略,再结合神经网络的自学习特性,使得RBF-FAR模型更加灵活,并有效地减少网络负载和查询时间.

应用FoxPro的SQL语言在多重数据库中进行相关范例查询

多重数据库系统的相关范例查询是进行数据处理中最常见的问题之一,有多种方法可以进行这种查询,本文介绍一种比较快捷的查询方法。

数据广播环境下基于数据共享的位置相关skyline查询

数据广播环境下位置相关skyline查询是同时涉及空间位置属性和非空间多维属性的一类新的skyline查询类型,可广泛地应用于地理信息系统、城市规划、智能交通等领域。与传统环境下的位置相关skyline查询相比,数据广播环境下位置skyline查询面临一些新的问题,如广播信道的线性特性、移动设备资源受限性等。针对这些问题,本文提出了基于数据共享的位置相关查询算法,该方法通过共享邻近移动设备缓存的查询结果来改进查询算法的性能。广泛的实验结果显示,在移动设备密度较大的对等网络中,本文提出的算法具有较明显的优势,能显著地提升查询性能。

一种层次化的移动位置相关查询模型分析

本文介绍了一种基于分层的移动位置相关查询模型．通过分层,各层协同并自主的完成用户所需要的服务,提出采用移动位置服务器来实时跟踪用户当前位置,预见用户未来的路线,从而降低了位置更新代价,保证了查询结果的时效性,并对此模型的逻辑结构和关键技术进行了深入的分析和研究．

开展标准相关性查询提高标准立项的质量

简要阐述了当前开展标准相关履查询工作所面临的形势，介绍了标准相关性查询的概念，并结合国外开展这方面工作的经验提出了我国开展标准相关性查询的目的和意义。

通过深度相关性查询实现新闻事件挖掘

文中提出了基于给定的查询词以新闻文档和具有额外情感极性评论信息为排名特征的新闻事件排名算法框架。首先,通过语义相似度交互模块将查询关键词、新闻文档和带有情感色彩的新闻评论转换为语义向量表示,并计算查询词和新闻文档相似度以及查询词和评论语句相似度。然后,基于特征提取查询关键词重要性特征、查询关键词频率特征和新闻事件相关性特征。最后,通过特征聚合模块将提取的特征与一些辅助相关特征合并,产生全局相关性分数,并基于所得出的全局相关性分数对新闻事件进行排名聚类。大型新闻数据集上的实验证明了该算法框架与常见排名算法相比具有明显的性能优势。

路网中空间关键字连续范围查询算法研究

空间关键字查询相对传统的位置相关查询而言更能满足实际查询处理的需要。着重探讨路网中结合距离和关键字相似度两个因素的空间关键字查询处理问题,提出解决路网中空间关键字连续范围查询(CRSKQ)的有效方法。提出了一个综合考虑了路网上的道路、对象和路网的连通性的路网模型以支持CRSKQ查询的处理。为了实现连续监控,所提出的算法包括两个阶段,即初始结果获取和查询结果连续监控。初始结果监控阶段,通过路网扩展和关键字匹配寻找满足要求的结果对象;在连续监控阶段,充分利用前面时刻的查询结果来减小连续监控的代价。模拟实验表明,所提出的算法是有效的。