结合相关规则和本体加权图的查询扩展

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:hsmk888
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有信息检索系统查询性能的不足,提出了一种结合相关规则和WordNet本体信息的查询扩展方法。该方法借助相关规则挖掘和WordNet本体信息构建加权词语关系图,并根据加权图的结构和权重信息计算扩展词的重要性。查询时,从这个图中取原查询词的最邻近词作为扩展词来源,选取其中权重最大的p个词返回并进行二次检索。在实现算法的基础上,通过Lucene全文检索器进行实验,将所得的结果值F1与其他算法的结果作比较。比较结果表明,该方法比不作扩展的检索有约16.93%的性能提升。
其他文献
针对如何在自私性移动机会网络中进行高效的数据转发,提出了基于节点社会合作度的转发机制。该算法通过研究用户运动的社会特性,利用经济学中的节点信任等级的方式解决网络中存在自私节点的问题,并通过综合评价节点的用户相似度、信任度和缓存等信息,选择社会合作度大的中间代理进行数据的转发,使信息始终沿着网络中社会合作度高的方向传输。仿真结果表明,该机制可以有效提高消息的传输成功率,相对降低网络延迟,减小网络资源
引力搜索算法是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明该算法比传统的一些优化算法拥有较好的收敛性能,但该算法在局部搜索能力上有所欠缺。提出一种基于惯性递减权重的引力搜索算法(gGSA),该算法能够在局部进行进一步的探索,强化局部搜索能力。该算法应用到基于VaR的证券最优投资组合模型中,解决证券投资组合优化的问题,并以上证50指数中成分股于2012年上半年日收盘价格作为测试数据集进
针对列车重载和高速运行时轮轨间粘着存在极限状态以及此时最优粘着利用能否获得的问题,利用所提出的动态多子群QPSO算法训练神经网络,并基于训练好的神经网络设计了机车粘着智能优化控制器,通过对电机转矩的动态调整,实现了轮轨间粘着的最优利用。仿真研究中,利用典型测试函数对所提出的动态多子群QPSO算法进行性能测试,证明该算法具有相对较高的寻优精度和效率,能有效提高神经网络的收敛速度和学习能力,将该算法应