【摘 要】
：
本文主要介绍基于语义的图形检索,它可以充分利用图形的导出信息,如语义,和用户的个性化信息,建立视觉内容和图形语义之间的关联.基于语义的图形检索的优点主要是突破了机械
论文部分内容阅读
本文主要介绍基于语义的图形检索,它可以充分利用图形的导出信息,如语义,和用户的个性化信息,建立视觉内容和图形语义之间的关联.基于语义的图形检索的优点主要是突破了机械式匹配局限于表面形式的缺陷,从词所表达的概念意义层次上来认识和处理用户的检索请求.具体的讲,本文研究从以下几个方面展开:1.本文研究的是基于语义的图形检索,因此首先我们对语义资源进行研究了解.其次,我们主要建立研究图形检索的基础资源——图形库.根据系统应用的需要,我们建立VRML三维图形库.2.研究讨论基于语义的图形检索的资源建立和实现方法.我们在建立的图形库的基础上统计分析,确定对图形资源的处理方法,建立关于图形的索引信息.之后,我们讨论了基于语义的图形检索的匹配模式——基于语义相似度的匹配模式和基于形态相似度的匹配模式,以及如何将这种匹配模式应用在三种不同的语义资源上.在基于语义相似度的匹配模式中我们使用语义相似度阈值来判断词语的相关性,而对于语义资源所不能解决的词语我们引入形态相似度进行模糊匹配.最后,研究利用机器学习的方法确定语义相似度的阈值,并通过控制语义相似度的阈值的大小,来完成基于语义相似度的图形检索的功能上的扩展.3.主要介绍系统的实验情况及实验结果.
其他文献
目前，基于磁盘文件的数据库系统，例如BerkeleyDB、SQLite，虽然代表着嵌入式数据库应用的主流，但仍有一些应用场合的需要难以满足。它们所提供的库函数都是依托于文件系统的，所以，其
本论文提出了一个在不降低基于错误实例系统准确率的前提下提高系统效率的方法：就是通过stringkernel、KPCA、K-means聚类等技术来提取系统错误实例数据库各个表的特征，为
语义分析是自然语言处理中的一个重要任务,语义角色标注(Semantic Role Labeling,简称SRL)是一种浅层语义分析的实现方式,它只标注句子中与谓词有关的成分的语义角色。目前,
本文提出了一个称为G2的高速图形引擎，它是专门为J2ME/MIDP类库的底层实现而设计的，例如可以使用在XORP/ORL系统中。 首先，是G2的专门性。与通用目的的图形引擎不同，G2是专门
公路规范查询与公式计算系统,主要针对当前的公路设计人员在设计过程中的需求而设计。公路设计人员在设计公路等过程中经常需要从大量规范标准中查阅技术标准、设计和施工规
Internet的迅猛发展、经济全球化时代的到来以及电子商务的广泛开展促成了机器翻译热潮。通常，用户通过购买相关软件或访问提供在线翻译的网站来获取翻译服务，然而，用户或者需要
非线性理论由三大理论构成:混沌理论、分形理论、孤立子理论。对非线性理论的研究常常以理论研究为主,本文在非线性理论研究的基础上探讨了分形自然景观模拟的应用。 分形
双语训练语料作为统计机器翻译系统的不可或缺的知识来源,直接影响系统的翻译性能。一般情况下,训练语料的增加可以使系统翻译性能上升。但是随着语料规模的增加,系统的训练
混沌现象普遍存在，它揭示了非线性科学的共同属性：有序性和无序性的统一，确定性和随机性的统一。近年来，随着对混沌理论研究的不断深入，混沌理论的应用已成为目前国内外关注的学术
本文所采用的这样方法的最大特点是积累和利用系统使用者的经验和智慧，最大优势是通过对使用者检索行为的积累达到了系统能力自动积累和提高、自我修正的能力。 本文采