首页>中文会议>工业技术>自动化技术与计算机技术>第二届全国信息检索与内容安全学术会议

第二届全国信息检索与内容安全学术会议

召开年：2005
召开地：北京
出版时间：

主办单位：中国中文信息学会;中国科学院计算机技术研究所

会议文集：大规模信息检索与内容安全

会议论文

热门论文

全部论文

最新会议

更多>>

全选（0）

1.面向中文文本的时间本体构建和自动扩充
- 唐晋韬;王挺;周会平
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：对时间本体和本体自动扩充的研究是语义web领域的重要研究方向.本文通过对中文时间描述进行深入的分析,设计了一种新的时间本体结构,并构建了一种面向中文描述的时间本体.在此基础上针对中文时间描述的特点选择了词汇特征和句法特征来构造特征向量进行本体自动扩充实验.实验中采用有监督的SVM算法进行时间实例分类,同时比较了不同的多类分类策略和核函数对分类结果的影响.实验结果表明,使用"一对一"分类策略和RBF核函数时,可以达到较好的分类效果.
2.Web作弊与反作弊技术综述
- 王灿辉;张敏;马少平
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：除提高搜索引擎自身的检索能力之外，Web作弊己成为搜索引擎面临的一个重大挑战。本文对当前常见的Web作弊进行综述，重点介绍提高排名和隐藏作弊两类方法。作弊者们利用关键词作弊和链接作弊的方式，骗取在搜索引擎检索结果中的虚假排名。此外，内容隐藏、覆盖和重定向等方法也常被用来隐蔽作弊行为。进一步地，针对Web作弊的特点，本文对在反作弊方面取得的一些初步成果进行介绍。TrustRank和改进的PageRank算法等对链接作弊方式起到了一定的遏制作用，一些简单的方法也可以识别出隐蔽作弊的行为。Web作弊与反作弊的斗争将长期持续。
3.一种Internet内容安全管理系统
- 沙瀛
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：随着网络电子商务的发展,Internet内容的安全管理成为一个需求迫切解决的问题.内容的安全管理主要包括两个方面:内容的保护和权限的管理.本文提出了一种Internet内容的安全管理系统:设计了身份认证-权限控制-内容认证三重协议和基于权利描述语言XrML的权限管理模块.并针对系统的攻击分析了系统的安全性,最后介绍了系统的特点.
4.网络论坛中隐含规律挖掘研究
- 邵秀凤;程葳;孟红
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：网络论坛行为分析对于网络论坛的管理和发展有着重要意义.本文以实际论坛为研究对象,采用关联规则挖掘技术中经典的Apriori算法,对从大规模数据库中发现网络论坛的潜在行为规律进行研究,通过改进挖掘流程和深入的数据分析,提高挖掘效率,获取有价值的挖掘结果.对网络内容安全具有一定参考意义.
5.互联网络的多特征融合入侵检测方法
- 贾超;张胤
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在高速大规模互联网络的环境下,提出多特征融合的入侵检测方法.在此方法的实现中,以特征元素为基本单元,形成特征规则,采用基于可信度的不精确推理,判断系统被入侵的可能性.还讨论了模式的形成,给出了实现模型.此方法能有效提高计算机系统抵御入侵及自身免疫的能力.
6.基于数据挖掘等技术的半分布式搜索引擎模型
- 林劼;张亮;薄川川;郑源
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文提出了一种基于数据挖掘与智能学习技术的半分布式搜索引擎(SDSE,Semi-DistributedSearchEngine)模型,实现的系统称为PeerSearch.模型设计的主要目的:φ充分利用用户的智能为其它用户的搜索提供帮助;减轻服务器的负担,将搜索信息的发送任务分布在各客户机上.其基本思想:把网络上的客户机归入不同类别的社区,同一社区的客户机在服务器的引导下,以P2P(Peer-to-Peer)的方式分享经数据挖掘处理过的带有用户智能的搜索信息.这些信息在客户机与远程服务器进行智能集成,为用户的搜索提供服务.从而在网络中形成区域性的信息分布式存储(各社区的客户机),以及全局的信息聚集中心(服务器).与现存的搜索引擎相比,PeerSearch减轻了服务器的负担并且利用了用户的智能,从而收到较好的效果.在模拟实验中,也证实了这一点.
7.一种基于局部共现的查询扩展方法
- 丁国栋;白硕;王斌
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：针对信息检索中文档与查询之间的词不匹配问题,本文提出了一种基于局部共现的查询扩展方法LOCOOC.LOCOOC利用词项与所有查询词在局部文档集合中的共现程度来评估扩展词的质量,并整合了词项在语料集中的全局统计信息,使得选取的扩展词与初始查询所表征的主题或概念具有更好的相关性.实验结果表明:与未进行查询扩展时相比,采用LOCOOC方法进行扩展后,平均准确率提高40％以上;与传统的局部反馈方法以及局部上下文分析方法(LCA,LocalContextAnalysis)相比,LOCOOC不仅具有更优的检索性能,而且有着更好的鲁棒性.
8.基于链接的分布式信息检索文档划分研究
- 张刚;中国科学院研究生院;王斌;程学旗
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：文档集合的划分是分布式信息检索面临的一个重要问题,本文提出了一种基于链接的聚类算法(LIBCA)来进行分布式信息检索的文档划分,LIBCA算法利用网页间的链接关系来计算网页与网页、网页与网页集合之间的相似度,从而利用聚类技术实现对数据集合的划分.实验表明,按照LIBGA算法进行文档集合划分,排名前10位的文档集合含有的相关文档数占相关文档总数的80-90％,相对于随机的划分方法提高了20-30％.
9.基于XML的多媒体检索技术研究
- 张云锋;于进福;李宁
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文提出了一种通过XMLschema制导进行多媒体标注和检索的方法,即首先以schema来定义多媒体数据的结构,然后创建schema制导树,再通过制导树引导用户进行多媒体标注和检索,并尝试采用基于SMIL的技术来实现检索结果的超媒体合成.该方法克服了基于内容的检索技术在高层语义检索中的不足.为实现通用性,本文介绍了schema制导树的创建过程,以及检索条件到XQuery查询语句的转换方法.最后还描述了一个该方法的系统实例--SDMMRS.
10.基于站点的Web信息采集器研究
- 张凯;李魁;张刚;王斌
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：基于站点的采集器是一类有针对性的采集器,它以站点作为采集的单位.本文在总结以往工作的基础上,首先说明站点采集自身的特点,然后讨论如何提高其性能,最后是实际的系统介绍和展望.
11.Schema引导的多媒体标注技术
- 于进福;张云锋;李宁
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：以MPEG-7为主要技术背景的基于内容的多媒体检索,主要用来描述低层语义的问题,它的缺陷是对高级语义的支持不足,无法建立对多媒体相关行业复杂元数据的支持.本文提出了一个基于XML的多媒体标注方法,它通过XMLSchema的制导,把基于领域知识的重要标注信息与视频等媒体捆绑到一起,使得各种媒体能够有效地被存储、检索,可以作为基于内容检索的一个重要补充.本文最后给出了一个实现了的具体实例SDMMRS,验证了这种方法.
12.基于相关文档池建模的查询扩展
- 吕碧波;赵军
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在信息检索领域,相关反馈是提高检索性能的有效方法.相关反馈主要是用户按照一定的策略从查找到的相关文档中选择一些和主题相关的词,然后进行查询扩展.本文介绍了概率模型和向量空间模型下的常用查询扩展方法,还提出了一种基于语言模型的方法,该方法同时考虑了扩展词应该具备的两个特征,即相关性和覆盖性.在Trec测试集上对这些算法进行了比较,结果表明这种新算法在平均准确率上比传统的方法有所提高.
13.基于树模型算法的动态网页信息抽取研究
- 邵辉;李芳
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：动态网页是Internet上重要的网页类型,它们通常是由网站的后台数据库通过某种通用的模板构成.如何从动态网页中抽取信息有着十分重要的意义,因为它们通常是一个网站最为主要的信息来源.本文提出了一种新的基于树模型算法的动态网页信息抽取方法.它通过树编辑距离模型和树归并算法(TreeAlign)分离并抽取出动态网页中的信息项.实验表明,这种基于树模型的抽取方法能够准确的定位和抽取动态网页信息.
14.基于新型坐标树的页面分析和内容提取方法
- 刘飚;刘艳敏;封化民;方勇;北京电子科技学院信息安全与保密重点实验室;宋国森
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：Web页面中"噪音"是影响基于网页内容的Web分类质量的一个重要因素,快速而准确的识别网页的主题内容是提高分类准确率的关键技术之一.针对HTML的半结构化特征和DOM缺乏位置信息的不足,本文提出了一种新型的Web页面分析和内容提取框架,该框架既包括一种新型的含有位置信息的页面坐标树模型,还包括能反映空间关系的图形模型.通过将HTML文档转换为坐标树,并结合位置特征和空间关系可对网页进行分析和提取内容.对来自120个网站的5000个网页进行测试后的结果表明该方法可达到93.78％的准确率.
15.一个基于最大熵模型的文本分类方法
- 李军辉;朱巧明;李培峰
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文提出了一种应用最大熵模型进行中文文本分类的方法,该方法重点在于特征函数的构建和文本的预处理这两个方面.本文把文档的预处理分为网页去标记、分词、去虚词和去停用词四个步骤,从而使得特征项的提取更加合理.另外,本文提出了一种基于特征模板的方法,并将其与特征项的权重相结合的特征函数构建方法,提高了分类器的分类精度.实验结果发现,基于特征模板和权重相结合的最大熵模型的微平均准确率达到96.67％,分类效果要好于基于词频的最大熵模型.
16.基于核主成分分析的文本分类
- 薛永刚;朱靖波;魏刚
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：主成分分析是模式识别中经典的降维技术.本文尝试把它的一个变种算法--核主成分分析,与k-NN分类模型结合,应用到文本分类中.核主成分分析方法通过选择合适的核函数,利用词之间的高阶的关系进行特征抽取.实验结果表明,核主成分分析在英文语料reuters21578上达到了潜在语义索引分类性能,而在中文863评测语料上微平均F1值比潜在语义索引高2％.
17.基于聚类的文本分类属性加权
- 朱琳;周水庚
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：现有的文本自动分类方法通常是基于向量空间模型并使用TF-IDF表示,忽略了属性在不同类别中重要性的差异,因而影响到分类的性能.本文提出一种基于聚类的文本分类属性加权方法:把训练集中的每个类别看作已知的聚簇(cluster),通过优化属性权重(每个类对应一组分类属性权重)以达到聚类效果最佳的目的,使在此权重下不同类别的文档得到尽可能的区分.运用kNN方法对Reuters-21578和20-Newsgroups的分类测试表明,使用C-Weighting的分类效果明显优于不使用C-Weighting时的效果.
18.IDS日志统计分析方法研究与实现
- 孟庆发;中国科学院研究生院;谢丰;中国科学院研究生院;吕铁强;中国科学院研究生院;周立德;中国科学院研究生院
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文利用统计分析的方法给出了如何从分散的IDS日志告警事件中提取出相互关联的入侵信息,并根据这些信息对网络系统的安全状况进行评测;另外,本文根据这种方法实现了一个原型系统,并以DARPA1999[1]数据集作为测试数据,来说明这种方法的有效性.
19.基于子主题的多文档文摘
- 秦兵;刘挺;李生
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：多文档集合的中心主题是由各个侧面信息组合而成的,每个侧面的信息称之为一个子主题.本文首先阐述了子主题的定义和特点,在多文档集合子主题形式的基础上,通过对子主题的重要性排序以及子主题中文摘句抽取方法的研究,生成多文档文摘.实验表明,该方法获得了较理想的效果.
20.汉语词典的快速查询算法研究
- 李江波;周强;陈祖舜
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：汉语词典查询是中文信息处理系统的重要基础部分,对系统效率有重要的影响.本文对汉语词典查询算法研究作了简要回顾,设计实现了基于双数组TRIE机制的汉语词典查询算法,并提出了基于双编码机制的词典查询算法.最后以逐字二分法查询性能为基准,对这两种词典询机制进行了性能测试.经过实验分析,双数组TRIE机制的词典查询算法在查询速度上提高明显,查询速度约是逐字二分法的5倍.双编码机制的的词典查询算法查询速度有一定提高,而且调整机制更加灵活.
21.汉英准等价名词短语
- 马艳军;刘颖
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文首先介绍目前学界各种不同的英语名词短语和汉语名词短语的定义,然后对汉语和英语的名词短语的不同层次和结构进行语言学上的梳理和比较,并结合汉英互译的规律提出一种新的名词短语:汉英准等价名词短语.在此之上,分析汉语基本名词短语、准等价名词短语和最长名词短语之间的重叠关系,以及在汉英翻译中不同的规律.最后根据汉英准等价名词短语自动识别的实验结果,对在自动识别中的难点从语言学角度进行分析.
22.一种改进的句子相似度计算方法
- 菅小艳;郑家恒
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：句子相似度计算在中文信息处理中有着非常广泛的应用.本文采用农作物种子信息文本,对句子进行深入的研究,通过对<同义词词林>的扩充,提出一种基于扩展的句子相似度的计算.该方法结合语料的特点,不仅考虑了句子间的公共子串,而且兼顾了词义距离.在对农作物种子文本的主题聚类的试验中,达到了比较满意的效果.
23.利用单字碎片过滤改进汉语分词性能
- 李双龙;北京科技大学;刘乐中;刘群
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：对于一般的分词系统,由于数据稀疏而识别失败的未登录词往往被切分成单字串.这里将切分结果中连续的单字串称之为"单字碎片".本文提出的一种碎片过滤方法的基本思想就是重新检测出单字碎片中识别失败的未登录词,并将此方法作为"后处理"引入到一个原有的基于统计方法的分词系统(ICTCLAS)中.在第一届SIGHAN北大测试语料上测试,新系统未登录词召回率提高了4％,F值比原系统提高了1％.可以看出,利用这种过滤方法在一定程度上削弱了数据稀疏问题,从而提高了汉语分词的性能.
24.基于有监督分类技术的文本自动摘要研究
- 吴中勤;黄萱菁;吴立德
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文研究了文本自动摘要中的分类思想并将有监督的分类技术应用于文本自动摘要中.其创新处在于将有训练语料支持的文本自动摘要转化成两类的分类问题,并应用成熟的有监督分类技术实现文本自动摘要.实验证明这种基于分类技术的自动文摘是有效的:同时本文还分析比较了两种分类器以及质心相似度、问题相似度等重要特征在文本自动摘要中的应用.
25.一种基于Web应用的领域本体构造方法研究
- 冯兰萍;中国科学技术信息研究所;朱礼军;张继国
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文在分析国内外相关研究成果的基础上,认为本体的构造应该具有标准、可扩展、面向机器、独立性四个基本原则,提出一种基于Web应用领域本体开发模型,并详细讨论了模型中本体概念的获取、非形式化本体模型的构造过程及OWL表示本体.
26.基于特征的教育资源库系统
- 伍春香;国家多媒体软件工程技术研究中心;陈世鸿;国家多媒体软件工程技术研究中心
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：现有的教育资源库系统重点在于资源的"统一管理",目前尚缺乏优质的用户服务.资源库系统主要通过查询提供应用服务,查询效率的关键在索引.在分析了多媒体教育资源媒体特征模式的基础上,构建了基于特征的多层索引结构库,实现了语义层次的资源查询.信息检索中,获取用户查询要求时存在语义理解问题,将领域本体与基于内容查询相结合可扩展用户查询条件的语义理解,提高了查询的准确率.在此基础上,针对教育资源库系统的服务特点,研发了多查询机制的教育资源库系统.
27.基于反馈学习自适应的中文话题追踪
- 王会珍;朱靖波;季铎;叶娜;张斌
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：话题追踪技术能够帮助人们从浩瀚的信息中获得自己感兴趣的内容.由于话题是动态发展的,在追踪过程中会产生话题漂移的问题.针对该问题以及现有自适应方法的不足本文提出了一种新的自适应方法--基于反馈学习的自适应方法.该方法采用增量学习的思想,对话题追踪任务中的自适应学习机制提出了新的算法.该算法能够解决话题漂移现象,并能够弥补现有自适应方法的不足.该算法中还考虑了话题追踪任务的时序性,将时间信息引入到了算法中.本文实验采用TDT4语料中的中文部分作为测试语料,使用TDT2004的评测方法对基于反馈学习的自适应的中文话题追踪系统进行评价,实验数据表明基于反馈学习的自适应方法能够提高话题追踪的性能.本文还考察了打分归一化对话题追踪性能的影响.
28.以本体构造中文信息过滤中的需求模型
- 袁兴宇;王挺;周会平;肖君
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在信息过滤系统中,用户模板是机器可理解的用户需求表示形式,是否能准确地反映出用户的真实需求将直接影响着过滤系统的性能.在向量空间模型中,用户的模板表现为一组带权重的特征词集,但由于在这样的用户模板中缺少必要的语义信息,很难准确地反映出用户的需求.本文提出了以本体构造需求模板的方法,以本体的形式定义需求中概念间的语义关联关系,将向量空间模型中的特征向量定义为本体中的实例,通过实例间的关联路径计算特征项间的语义关联,并通过特征项闻的语义关联计算出文档与模板的语义关联度.
29.一种基于运动矢量的MPEG-4视频数字水印算法
- 吕梦雅;向移山
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文分析了Mpeg-4视频压缩标准的特点,结合Jordan提出的算法以及人眼视觉系统特性,提出了一种根据运动矢量幅值把水印嵌入到较大运动矢量分量中的水印算法.实验结果表明,本算法的平均信噪比比Jordan提出的算法显著提高,错误率明显下降.
30.面向业务支持自适应的网络监听的研究及实现
- 叶炼炼;陈传峰
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文讨论了几种不同的网络监听技术的原理,分析了网络应用业务的特点,融合了面向应用业务、支持自适应和保持高性能三种技术,提出了一种面向业务支持自适应的网络监听模型,为在高速网络中网络信息安全管理提供了重要依据.
31.文件寄生型病毒免疫模型
- 陈岳兵;张权;唐朝京
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：基于生物体免疫系统的优良特性,借鉴其工作原理,提出了专门针对文件寄生型病毒的免疫模型,说明了整个免疫系统运行过程,解释了各模块的工作机制,论述了系统中涉及的关键技术和算法.此模型不但可以防御常规病毒,而且可以防御变种病毒、多态病毒、以及未知新型病毒.
32.基于社会网络分析的BBS内容安全动态监测模型
- 于静;赵燕平
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：为了营造健康和谐的BBS舆论氛围，减少有害信息的传播，本文提出了基于社会网络分析的BBS内容安全动态监测模型。结合基于关键字匹配、基于统计模型、基于语义模型三种过滤思想，设计了混合过滤模型，并将社会网络分析（SNA)与侦查学的现场勘查技术引入BBS信息安全领域，经过整体勘查、局部勘查和个体勘查逐层分析，辅助过滤，动态识别网络组织构成，发现中心人物及群落分布形态、信息传播渠道、行为模式及影响规律等。
33.基于网络安全的字符串匹配算法研究
- 白立军;张银福
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：串匹配算法是许多网络安全技术的基础理论之一,对网络安全中串匹配算法的研究具有非常重要的意义.本文对现有的常用串匹配算法进行了研究、分析和比较,并介绍了串匹配算法在各个网络安全领域中的应用,另外还提出了一些在实际应用中有效提高串匹配性能的相关思路,具有一定的使用价值.
34.一种基于潜在语义的Markov网络信息检索模型
- 盛俊;王明文;余俊英
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在信息检索中,查询与文档集的词不匹配使得查询的查全率(recall)和查准率(precision)均较低.为了提高检索效果,查询扩展是一种较好的方法.Markov网络是一种图形表示方法,它具有很好的学习机制,并能有效表示知识关联.本文利用奇异值分解(SVD)提取词之间潜在语义(LS)构造Markov知识网络,用该网络来进行查询扩展.实验表明,基于潜在语义的Markov网络信息检索模型可以极有效地提高检索效果.
35.基于隐写术的信息检索方法
- 沈勇
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：随着信息技术的发展,数字媒体的种类和数量激增,信息检索显得越来越重要.本文将信息隐藏技术与信息检索技术相结合,提出了一种通用的基于隐写术的信息检索(SBR)方法.该方法通过隐写术对媒体文件进行标注,嵌入注释信息,达到快速信息检索的目的.该方法不必需数据库支持,不影响媒体文件的正常存储、传输和使用,使大规模媒体库的管理更加灵活高效.本文阐述了SBR的系统模型、特性分析和主要过程,最后对该方法的性能做了比较分析.
36.关于广义向量空间模型中布尔运算的修正
- 石敏;康耀红
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文对广义向量模型进行了全面系统的介绍,对其存在的问题和不足进行了认真的讨论和分析,通过对该模型中交运算的重新定义建立了修正的广义向量空间模型,并从理论上证明了新的模型能够克服传统广义向量空间模型存在的主要问题.
37.面向信息检索需要的网络数据清理研究
- 刘奕群;张敏;马少平
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：Web数据中的质量参差不齐、可信度不高以及冗余现象造成了网络信息检索工具存储和运算资源的极大浪费,并直接影响着检索性能的提高.现有的网络数据清理方式并非专门针对网络信息检索的需要,因而存在着较大不足.本文根据对检索用户的查询行为分析,提出了一种利用查询无关特征分析和先验知识学习的方法计算页面成为检索结果页面的概率,从而进行网络数据清理的算法.基于文本信息检索会议标准测试平台的实验结果证明,此算法可以在保留近95％检索结果页面的基础上清理占语料库页面总数45％以上的低质量页面,这意味着使用更少的存储和运算资源获取更高的检索性能将成为可能.
38.基于P2P的搜索技术和方法研究
- 叶伟芳
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在基于Peer-to-Peer(P2P)的搜索技术和方法可以达到传统搜索模式所无法达到的深度和广度,具有更强的有效性和准确性,为搜索模式的进一步发展提供了新的理念和研究思路.本文首先介绍了P2P技术产生的背景,描述了基于P2P的搜索技术的特点.在此基础上,分析了基于P2P的各类搜索模式和技术特点,最后探讨了基于P2P的资源搜索方法的研究与发展方向.
39.天罗Web信息采集系统中的性能优化
- 吴丽辉;张凯;张刚;王斌
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：随着Web信息的爆炸性增长,对Web信息采集的性能提出了巨大的挑战.本文介绍了天罗Web信息采集的总体结构和性能优化策略.在性能优化策略中详细分析了优雅采集、页面采集、页面刷新和分布式采集.在页面采集中分析了多线程、重复网页、采集器陷阱和网页的存储.实验结果表明,天罗Web信息采集系统具有较高的性能.
40.语音识别准确率与检索性能的关联性研究
- 周梁;高鹏;丁鹏;徐波
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：对海量语音进行基于内容的检索需要语音识别技术和检索技术的结合.本文通过调节语言模型的途径研究在不同识别率的语音识别文本上进行.
41.基于GNPIMk和SVM的文本图像检索
- 程娟;平西建
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：由于图像的底层统计特征与高层语义特征之间存在一道鸿沟,计算机难以直接完成基于语义的文本图像检索.因此,文本图像检索的性能很大程度上依赖于底层统计特征的提取.针对该问题,引入了以广义归一化图像信息度量(GNPIMk)作为图像的特征向量,利用支持向量机(SVM)实现网络中文本图像的检索.实验结果表明,基于广义归一化图像信息度量与支持向量机的图像检索技术能够有效提高文本图像检索的正确率,并降低漏识率.
42.一种改进的文本分类方法的研究
- 张永;陈思睿;杨志勇
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：文本分类是自然语言处理的一个重要研究方向,它可以有效的解决信息杂乱的现象,并有助于用户发现所需的信息.特征选择和权值函数是文本分类的核心,通过对经典的TF-IDF函数和互信息特征选择方法的研究,指出了它们现存的不足,进而提出了改进的算法,即引入了类间分布度、类内分布度和互信息因子,从而提高了分类的精度和速度.最后通过实验验证了改进的算法,证明该算法是可行的.
43.基于SVD和部分聚集分类的文本挖掘算法
- 邱晓蕾;张聪超
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：搜索引擎是Web上最常见的信息发现工具,但由于信息的快速增长,搜索查询结果通常过于庞大,并且很多与客户的实际需求无关.本文提出的文本挖掘算法,在使用奇异值分解(SVD)的基础上,对部分Web文件进行聚类,生成分类模型,再使用基于集合覆盖的SVM(SupportVectorMachines)分类算法将剩余文件归类.这样,客户就可以根据聚类筛选轻松定位到感兴趣的文件,提高查询精度.
44.基于短语匹配的中文Web文档聚类算法
- 汪洋;张磊;章毅
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文在一种采用图结构、基于短语的文档索引模型的基础上,提出了一种基于短语匹配的、在线的、无需进行中文分词的增量聚类算法来对中文搜索结果进行聚类.结合文档索引模型和该聚类算法,可以有效地完成对搜索引擎所产生结果的增量式自动分类.
45.类别主特征结合句法特征的中文问题层次分类
- 文勖;张宇;刘挺
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：问题分类是问答系统中重要的组成部分,问题分类结果的好坏直接影响问答系统的性能.本文提出了一种新的问题层次分类方法,该方法结合类别主特征与问题句法特征,对满足类别临界条件的问题,利用具有良好分类特性的类别主特征进行分类,使其小类分类精度达到92.99％,对于其他问题,采用贝叶斯分类器分类,总的准确率达到大类88.25％和小类73.15％,比传统的层次分类分别提高了10个百分点,证明了此方法的有效性.
46.基于RFM分析的银行信用卡客户的行为评分模型--应用自组织映射神经网络SOM和Apriori方法
- 梁昌勇;赵艳霞
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文应用数据挖掘工具分析银行的现有的信用卡客户的行为特性和信用,探讨了信用卡客户的行为评分模型.应用自组织映射神经网络分析其还款行为和近度R、频度F、值度M的行为特性,应用这四个指标进行评分来识别不同的客户群.然后把银行客户分为三个主要的盈利客户群并识别出银行的重要客户群.应用Apriori关联规则描述不同的客户群的特征属性,形成客户轮廓.本文通过建立的客户行为评分模型有助于识别客户的特征,促进营销策略的实施.
47.汉语词义自动标注研究软件平台的设计与实现
- 张仰森;俞士汶;段惠明;吴云芳
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：词语义项标注在自然语言处理领域占有重要地位.词义排歧知识的获取、基于排歧知识构建词义标注的语言模型,以及对所构建模型性能的评价就成为词语义项标注系统的三个核心问题,尤其是前两个问题非常重要,难度也很大.为更好地研究这些问题,本文设计并实现了一个面向词语义项标注研究的试验软件平台,应用该软件平台,很容易实现对不同语言模型、知识获取算法的试验与比较,且在模型确定之后,稍作改进,本实验系统就能成为一个功能完善的自动标注软件系统.试验表明,该平台对汉语词义标注的研究是有用的.
48.基于粗糙集的远程教育个性化服务研究
- 柯慧燕
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：随着互联网的飞速发展,基于Web的远程教育得到了广泛的推广.针对目前远程教育中个性化服务水平较低的问题,提出了一种基于粗糙集的学习者聚类模型和算法,根据聚类结果可以对不同类的学习者提供适合其个性特征的教学服务策略和学习内容,从而大大提高远程教育个性化服务水平.
49.中文自动文摘系统研究
- 李立燕;杨国纬
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文介绍了一个机械式自动文本摘要系统.对系统中的特征词抽取模块、句子加权模块和文摘输出模块进行了详细的分析.其中提出了领域词词库自学习和消除重复摘要句的方法.最后对自动摘要系统的性能进行了讨论.
50.中文问答系统中的模式推理
- 王树西;中国科学院研究生院;白硕
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：模式推理是一个很有研究价值的课题,但是中文问答系统的模式推理问题,目前还无人研究,本文就致力于研究这个课题.本文首先介绍了相关定义;然后给出了模式推理的基本机制;在此基础上,提出了模式推理的算法.实验结果表明,本算法可以有效的解决中文问答系统的模式推理问题.文章的最后,介绍了本算法在中文问答系统中的具体应用.
51.模式推理中的推理循环
- 王树西;中国科学院研究生院;白硕
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：在模式推理过程中,推理循环是一个容易发生的问题.推理循环必须及时发现和消除,否则就会耗尽系统的资源,造成系统的崩溃.本文致力于解决模式推理中的推理循环问题.本文首先介绍了相关定义;其次给出了模式推理的基本机制,并分析了推理循环的成因;然后,提出了推理循环的防止原则;在此基础上,提出了推理循环的消除原则,并加以证明.实验结果表明,这些原则可以有效消除模式推理中的推理循环.
52.实现存储与内容管理的结合
- 朱立谷;华中科技大学计算机学院外存储系统国家实验室;周世正;谢长生
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文论述了内容寻址存储(ContentAddressableStorage,CAS)技术的原理和研究情况,设计和实施了一种针对媒体归档存储的原型系统--媒体内容寻址存储(MediaContentAddressableStorage,MCAS).MCAS提出了一个合并媒体对象元数据和对象存储元数据的底层数据模型,探索了媒体存储和内容管理结合的方法.MCAS将媒体对象元数据和对象存储元数据封装成一个XML文件,形成了一个高级的广泛互操作能力的和交叉域搜索的描述方法.对MCAS原型系统进行了性能测试,结果表明MCAS在内容获取(读操作)时有较好的性能.
53.基于矩阵的Apriori算法改进研究
- 李超;余昭平
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文改进了一种基于矩阵的Apriori算法,同时改进了发现关联规则算法,并通过实例说明它是一种有效的关联规则挖掘方法.
54.面向支持向量机的降维方法比较分析
- 朱慕华;朱靖波;陈文亮
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：支持向量机是文本分类领域在广泛采用的分类模型,应用于支持向量机的特征降维方法也成为了研究热点.本文考察了信息增益、文档频度、x2统计和潜在语义索引几种特征降维方法,同时在中英文数据集上进行了比较实验.结果表明,潜在语义索引在降维的同时使分类性能有明显的提高;而其余几种方法使性能严重下降,不适合做支持向量机的特征降维.
55.中文文本聚类的特征单元比较
- 王洪俊;北京拓尔思信息技术有限公司;俞士汶;苏祺;施水才;肖诗斌
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：本文对字、词和字串等文本特征在中文文本聚类中的效果进行了比较实验.实验使用K-MEANS聚类方法,检验了字特征、字串特征、词特征以及它们的组合方式的聚类效果.
56.一个改进的中文文本过滤系统的设计与实现
- 李东林;迟呈英;战学刚
- 《第二届全国信息检索与内容安全学术会议》 | 2005年
摘要：中文文本过滤系统的研究与设计是当务之急.针对传统文本过滤仅仅把文档相似度同设定阈值相比较判定相关与否的判断方法在过滤性能方面的不足,本文设计了一个改进的文本过滤系统.系统对流入文档进行两重过滤.通过引入用户主题不相关配置文件和相应的不相关阈值,进一步的对传统文本过滤返回的结果文档集进行不相关性检测,剔除与用户主题不相关的配置文件相关度大于不相关阈值的文档,减少不相关文档的返回.实验证明,该系统提高了文本过滤性能.