一个基于同义词证据扩展的信念网络检索模型

归并不同证据资源扩展用于信息检索的信念网络是当前一个重要的研究方向。以同义词为证据扩展基本信念网络模型,得到一个扩展的信念网络检索模型。实验证明,扩展模型的检索性能优于基本模型。     

融合时序性和波动性的热点话题发现研究

时序性和波动性直接与话题的热度有关,短时间内某话题出现的相关报道越多,则其热度越高;话题的波动幅度越大,则其热度越高.依据积分理论给出了基于时序性的相关报道密度计算和基于波动性的峰值计算,并采用线性调和的方法将二者融合,给出话题热度计算方法.实验采用TDT4语料作为测试集合,验证了该方法的有效性与合理性.     

信息检索概述

信息检索的研究重点是如何有效地获取某些信息,现阶段采用的信息检索技术主要基于布尔表达式、向量空间模型及概率模型。论文在介绍信息检索定义及基本原理的基础上,描述了这三种经典信息检索模型,并对这三种模型进行了简单比较。     

基于网络体系结构的系统可生存性评估

随着网络安全研究的深入,对网络系统可生存性的研究应运而生。网络系统可生存性评估更成为了目前研究的热点问题之一。本文针对网络系统可生存性评估问题提出了基于网络体系结构的评估方法,使得评估工作更容易实现,评估结果更准确。     

基于四元组完备损失的智能图像检索方法

在图像检索领域,将三元组排序损失应用于深度神经网络权重的更新,可以使生成的图像表示保存更多的语义特征,但是三元组排序损失没有全面的考虑不同类别图像之间的关联。为此提出了一种四元组完备损失,此损失函数将图像类间相似性小于类内相似性的特点融入到损失函数的构建中。与三元组排序损失函数相比,此函数可以更全面地体现查询图像与同类和不同图像之间的相似性关系。进一步,本文还提出了一种有效的基于四元组的深度网络结构,可用于图像的哈希检索。实验结果表明,提出的方法能够在CIFAR-10、SVHN和NUS-WIDE图像库中取得良好的检索性能。     

基于文档关系改进的向量空间模型

由于用户查询信息不足而导致传统向量空间模型检索结果不够准确,针对此问题,提出了一种基于文档关系改进的向量空间模型.改进模型将初始检索结果中排名靠前的高相关文档组成基准集,通过计算初始检索结果集中每篇文档与基准集的相似度,来修正原模型中文档与查询的相似度,实现对检索结果的重排序,从而实现对向量空间模型的改进.实验结果表明:与传统向量空间模型相比,改进模型使得相关文档排名更合理,在保证召回率的条件下提高了准确率.