共查询到19条相似文献，搜索用时 42 毫秒
1.
基于语义计算的查询扩展优化研究 总被引：1，自引：0，他引：1
查询扩展技术是指在原有查询的基础上加入与用户输入的检索用词相关联的新词,组成新的更长、更准确的查询,用于弥补用户查询信息不足的缺陷.为了提高文本检索的效率,纳入网络检索环境下的用户个人偏好,在查询扩展技术中引入语义计算是一个重要研究方向.文章从语义计算的角度提出了基于语义关联树的查询扩展算法,通过动态生成语义关联树,有效降低词相似度矩阵计算工作量.通过控制语义关联树的层次结构及复杂度,灵活高效的生成不同语义空间模型.实验证明,该算法能有效提高文本检索的准确率. 相似文献
2.
生物医学文献的数量正在以爆炸性的速度增长,这些文献中隐含着大量有用的信息,挖掘这些文献可以形成医学假设.挖掘UMLS语义资源进行计算逐渐成为基于文献的知识发现的热点.Miyanishi等通过概念的语义相似度计算事件相似度取得了比统计方法如tf*idf更好的结果.本文在概念的语义相似度的基础上,加入了概念的语义关联度,避免了事件之间语义相似度高而缺乏语义关联度并导致发现的假设不合理的弊端.本文的方法充分挖掘了UMLS中的语义资源,合理地计算了事件之间的相似度.通过雷诺氏病和鱼油以及偏头痛和镁的实验证明,这种计算方法取得较好的效果. 相似文献
3.
本文介绍了关联数据概念,提出了基于关联数据的语义数字档案馆概念,并设计了语义数字档案馆的框架,该框架具有四个层次:数据发布层、数据网、数据存取整合保存层和应用层.其核心是用RDF三元组替换档案数据库,将传统的档案数据发布为关联档案数据,实现档案数据的共享、扩展和重用. 相似文献
4.
基于多层次概念语义网络结构的中文医学信息语义标引体系和语义检索模型研究 总被引：18，自引：0，他引：18
为了提高中文医学信息检索效率,本文应用语义学研究成果,深入剖析统一医学语言系统(UMLS),从理论上对多层次概念语义网络结构进行了探讨,以此设计了适用于中文医学信息特点的三层概念语义网络结构,并分别确定了各个概念语义网络层次的语义类型和语义关系,进一步完善了医学信息语义网络.以信息检索的认知理论为依据,建立了基于三层概念语义网络结构的中文医学信息语义标引体系和语义检索模型.对扩展检索和语义检索进行统计学Kappa检验,认为两种检索方法的一致性非常显著(p<0.01);与扩展检索中的任何一种方法相比,语义检索方法具有更高的检索效率. 相似文献
5.
6.
文本分类是网络主题舆情分析中的关键技术,传统Web文本分类将文本关键词的相似度作为分类依据,丢失许多重要的语义信息,导致分类结果不够准确且计算量大.本文提出一种基于语义相似度的Web文本分类方法,利用特定的领域本体将用关键词表示的文本特征向量表示为与之匹配的语义概念特征向量,给出Web文本相似度的计算公式并实现基于语义相似度的KNN算法.结果表明,该方法从语义概念层次上表示和处理Web文本,降低了文本特征空间维度,减少计算量并提高了分类精确度. 相似文献
7.
数字视频内容管理的一个关键问题是视频内容的智能检索和推荐。文章提出利用关键词和概念之间语义上的关联,建立视频数据、关键词和概念之间的语义关联网络,以及利用关联网络对关键词进行规范和扩展,采用扩展结果对视频元素据进行检索的方法,并用检索结果和关键词的关联程度对结果进行筛选和排序。 相似文献
8.
FCA中的概念语义相似度计算 总被引：2，自引：0，他引：2
形式概念分析和领域本体是两种形式化方法，其目标都是构建概念的模型。提出一种计算FCA中的概念语义相似度的方法，实验结果表明，该方法对概念语义相似度计算是有效的。 相似文献
9.
基于概念格的Folksonomy知识组织研究——关联标签的结构特征分析 总被引：2，自引：0，他引：2
以BibSonomy.org真实数据为研究对象,通过网站"Related Tag"栏分别获取两个梯次的关联标签集合。采用形式概念分析的方法构建关联标签概念格,并基于概念格对关联标签进行聚类分析和关联规则挖掘,以此揭示出关联标签间隐含的概念间关系和潜在的语义关联。对关联标签这一新兴的导航方式中隐含的结构特征进行分析和研究,提出关联标签间存在的"语义关联词"和"语义下位词"关系,完善Folksonomy知识组织模式的标签导航体系。 相似文献
10.
11.
语义web环境下语义推理的研究与实现 总被引：1，自引：0，他引：1
从语义推理技术入手,主要针对描述逻辑、推理算法和推理机三个方面进行了研究分析。在此基础上,本文进行了语义推理原型系统的设计与实现。系统在语义分析模块中利用语义推理进行检索词的规范和扩展,在语义检索模块通过语义推理挖掘关联隐含知识。通过语义推理原型系统的构建,利用专用推理机Pellet与Jena推理子系统层叠的方式进行语义推理,为今后各种知识服务系统的语义推理提供参考依据。 相似文献
12.
13.
语义Web为我们提供了一个通用的框架,是现有Web的扩展.语义Web以资源描述框架(RDF)为基础,RDF以XML作为语法、URI作为命名机制,将各种不同的资源集成在一起.本文探讨了基于语义Web的图书馆门户建设,并阐明此类门户的信息结构更加合理和灵活,具有更好的扩展性、可持续性和个性化的特点. 相似文献
14.
本体（Ontology）与语义网（Semantic Web） 总被引：4，自引：0，他引：4
概述了本体的概念、原理、建构方法与应用前景，还介绍了语义网的涵义、体系结构及其发展趋势。参考文献7。 相似文献
15.
Latent Semantic Indexing (LSI) is a popular information retrieval model for concept-based searching. As with many vector space IR models, LSI requires an existing term-document association structure such as a term-by-document matrix. The term-by-document matrix, constructed during document parsing, can only capture weighted vocabulary occurrence patterns in the documents. However, for many knowledge domains there are pre-existing semantic structures that could be used to organize and categorize information. The goals of this study are (i) to demonstrate how such semantic structures can be automatically incorporated into the LSI vector space model, and (ii) to measure the effect of these structures on query matching performance. The new approach, referred to as Knowledge-Enhanced LSI, is applied to documents in the OHSUMED medical abstracts collection using the semantic structures provided by the UMLS Semantic Network and MeSH. Results based on precision-recall data (11-point average precision values) indicate that a MeSH-enhanced search index is capable of delivering noticeable incremental performance gain (as much as 35%) over the original LSI for modest constraints on precision. This performance gain is achieved by replacing the original query with the MeSH heading extracted from the query text via regular expression matches. 相似文献
16.
17.
提出一种基于潜在语义索引和本体论的文本语义处理方法。首先构建一个基于本体论的虚拟标准文本特征向量，然后采用潜在语义索引方法以虚拟标准文本特征向量为参照对文本集进行语义聚类，最后在虚拟标准文本特征向量的导引下利用本体库中的知识对聚类获得的文本集合的类别和语义进行显性标注。实验表明，该方法能较好地在语义层面对文本进行有效的聚类，而且聚类结果能显性地显示类聚所属的类别。 相似文献
18.
语义网格环境下数字图书馆知识组织的语义互联策略研究 总被引：7，自引：0，他引：7
数字图书馆知识的无限存在和有限表达之间的根本矛盾需要应用多领域本体方法，介绍现阶段应用多本体的解决方案——本体映射技术，并分析其存在的不足，引入知识地图技术，认为应用知识地图技术可以实现数字图书馆领域本体的聚类，形成数字图书馆本体知识地图，并以此为基础，构建语义网格环境下数字图书馆知识组织的语义互联模型。 相似文献