GLAV集成方法中的模式匹配研究

GLAV是一种新的集成方法,它能为信息集成系统的映射关系提供更具表现力的方式.映射表示源模式与全局模式之间的对应关系,主要研究了GLAV集成方法中产生映射规则的模式匹配方法.首先将SUDAI模型转换为模式树,然后基于树进行匹配.匹配包含语言学和结构匹配两个基本阶段,语言学匹配结合了术语关系和约束进行计算,结构匹配结合了类属性和上下文节点两个方面,并成功解决了模式规模差异带来的负面影响.计算的结果可以判断两个信息类是否是一个映射候选,经过验证后可确定它是否是一个合理的映射.最后定义了一个基本DTD来描述匹配的最终结果.     

基于模糊聚类的属性匹配算法

提出了一种基于模糊聚类的属性匹配算法。该算法采用能综合反映属性名称相似性和语义相似性的模糊相似关系,提高了属性匹配的准确率;以等价闭包法对相似属性进行模糊聚类,得到多层次属性分类结果,更客观真实地反映了属性匹配的模糊性;同时,属性匹配过程中不需要设置匹配参数,避免了人为造成的误差。     

基于Fuzzy-Grey关联分析的信息资源聚焦的数学模型

本文运用饱和信息维的增减技术对信息获取子空间进行结构上的剖分,用饱和信息维列作为因子列来构造灰色关联空间,将灰色理论中的关联分析用于模糊综合评判模型,用灰色关联系数来替代隶属度,用关联序来描述信息之间的相关联程度,得到信息资源聚焦的一种新的数学模型。     

基于混合相似度度量的跨语言舰船实体匹配算法

由于装备信息的敏感性,军事领域的跨语言实体匹配问题会面临缺乏标注好的平行语料、依赖机器翻译质量等问题。从这些问题出发,提出了一种跨语言舰船实体匹配算法。首先归纳匹配规则,通过融合机器翻译和词典短语释义取得语言转换结果,设计了检测后缀相同字符串的相似度度量suffix-matter优化候选集,提高了算法的效率。还设计了捕捉字符和发音特征的混合相似度度量MixSim协助寻找匹配的实体。利用从互联网上爬取各国舰船活动事件的新闻报道和简式舰船数据进行实验,结果表明算法取得了较好的效果,而且证明了两种相似度度量在字符串比对中的有效性。     

基于改进NSGA-Ⅲ的文本空间树聚类算法

构建倒排文本空间索引树(IR)分裂聚类多目标模型,对非支配排序遗传算法(NSGA-Ⅲ)的求解过程进行改进,提出一种基于先验初始种群策略的非支配排序遗传算法(PIPS-NSGA-Ⅲ),使其更适应于倒排文本空间对象分裂聚类问题的求解.通过PIPS-NSGA-Ⅲ算法寻求对象最小包围矩形(MBR)之间的重叠与覆盖面积、对象群间平均距离以及语义相似度等目标的最优前端解.通过对比PIPS-NSGA-Ⅲ,NSGA-Ⅱ,NSGA-Ⅲ和SPEA-Ⅱ进化多目标算法,从对象分类时间、效率、查询时间和准确度等多个方面来评估算法的优劣.实验结果表明:PIPS-NSGA-Ⅲ算法对文本空间对象聚类分裂具有较高的效率;相对于简化传统R树(STR树)与R树空间索引结构,基于改进NSGA-Ⅲ文本空间索引的平均查询时间减少24.8%,平均准确度提高3.75%.     

分析处理XML文档学形态学方法

在线联机分析处理(OLAP)是一个分析商业信息趋势的重要工具。虽然OLAP用多维立方体模型来分析结构化的商业数据是理想的,但是它并不适合用来表现和分析复杂的半结构化数据,如:XML文档。因为在广泛的应用领域,XML都是表现数据的语言选择,所以分析XML文档是必需的和紧迫的。描述了一个用XML树模型来分析XML文档的想法。鉴于OLAP的多维聚合操作不能够表示XML文档上的、结构复杂的分析操作,提出了新的、扩展了的XQUERY来支持这种复杂的分析操作。     

C￣3I评价模型的修正算法

本文在Ｃ３Ｉ系统指标体系结构模型的基础上，提出了静态模型的确定方法及一般模型，是传统线性评价模型的重要改进。该方法能确保实际系统评价的理论解一定存在于该模型的解的集合中。另一方面，针对其近似解，给出了权值的一般计算方法及基于实验数据的修正算法。     

面向精确信息服务的数据网格体系研究

为了满足日益增长的数据密集型应用对数据网格信息服务的需求,在深入研究数据网格体系结构的基础上,提出了一种面向精确信息服务的数据网格体系结构,并分析了精确信息服务机制下数据网格服务层的工作过程。     

跨本体概念间相似度的计算方法——MD4模型

MD3模型是一种系统的跨本体概念间相似度的计算方法,这种方法无需建立一个集成的共享本体。在MD3模型的基础上,充分利用本体对概念的描述信息,重点讨论了跨本体概念间非层次关系相似度的计算,把MD3模型扩展到MD4模型,使得概念间相似度的计算在理论上更全面、更精确。     

基于邻接距离的属性动态聚类算法

基于邻接距离属性动态聚类算法采用能综合反映属性名称相似性和语义相似性的“邻接距离”,提高了属性匹配的准确率;以类内损失、类间损失之和最小化为准则,使用动态聚类算法对相似属性进行匹配,不需要设置聚类参数,避免了人为造成的误差。