摘要：提出了实体状态预测方法,基于传感器采集的实体状态原始数据,预测实体在用户搜索时刻的状态,设计了实体匹配估计方法,依据实体的预测状态对实体的匹配状态进行分类,并估计其与搜索需求的匹配概率,返回匹配概率较高的实体作为搜索结果.结果表明,所提机制在物联网中基于内容的实体搜索的查全率与查准率方面均有较大的性能增益.

摘要：针对物联网搜索的高实时性要求及物理实体的强时变性特点,提出面向物联网的边云协同实体搜索方法。结合云计算与边缘计算各自的优势,构建边云协同实体搜索系统架构,提高物联网实体的搜索效率。考虑到嵌入物理实体的传感器通信能力有限,设计基于深度信念网络的实体识别算法,通过将热门与冷门实体状态信息分别存储于边缘服务器与云端,节省边缘服务器的存储空间与计算开销。仿真结果表明,与云端数据共享搜索方法SeDaSC和层次化搜索方法LHPM相比,该方法提高了实体状态信息搜索的实时性与准确性。

摘要：为解决家庭服务机器人在实体搜索缺乏语义信息的问题,研究融合视觉信息的语义导航实体搜索算法。首先,提出基于Places205-AlexNet的场景自适应识别算法,以促进机器人对场景标注的自适应性;其次,设计实体在语义地图上的位置映射方法,帮助机器人能以人的生活习惯理解人类居住环境,具备室内物体识别能力;然后,为了获取场景信息和物体语义信息,提出了面向语义导航的实体语义知识库构建方法,使机器人进行实体搜索时能更容易定位到场景;最后,在给出基于面向语义导航的实体语义知识库构建方法的基础上,提出了融合视觉信息的语义导航实体搜索算法。实验数据表明,机器人执行实体搜索的导航准确率均在0.75以上,这证明所提出的算法能够获得较准确的场景信息和实体语义信息。

摘要：针对现有相似实体搜索方法缺乏对于观测序列长度的自适应性,且搜索过程数据存储开销过大,搜索结果准确性较低的问题,该文提出相似度自适应估计的物联网实体高效搜索方法(SAEES)。首先,设计了轻量级观测序列分段表示方法,对传感器采集的实体原始观测序列进行轻量级分段压缩表示,以降低实体观测序列的存储开销。然后,提出了观测序列相似度自适应估计方法,实现对不同观测序列长度的实体相似性的准确估计。最后,设计了高效的相似实体搜索匹配方法,依据所估计的实体相似度进行实体的准确搜索匹配。仿真结果表明,所提方法可大幅提高相似实体搜索的效率。

摘要：为系统理解基于实体的知识面板这一信息推荐模式及其工作原理,借助知识图谱和实体搜索技术的基本思想对其开展研究。首先,分析知识面板的数据源。接着,分析知识面板中知识模块的设计与规划。最后,对知识面板的工作流程进行分析与探讨。通过研究发现,为实现在知识面板中推荐相关领域知识这一目的,这不仅涉及用户的需求模式和知识模块的设计与规则,而且还涉及概念数据库的构建和各种与实体相关的因素等。

摘要：现有文本数据集上的实体搜索和自然语言查询方法无法处理需要将分散在不同文档中的信息碎片链接起来以满足有复杂实体关系的查询,而知识库上的查询虽然可以表示实体间的复杂关系,但由于知识库的异构性和不完全性,通常查全率较低。针对这些问题,提出使用文本数据集对知识库进行扩展,并设计相应的含文本短语的三元组模式查询以支持对知识库和文本数据的统一查询。在此基础上,设计并实现了查询放松机制和对结果元组的评分模型,并给出了高效的查询处理方法。使用YAGO、Clue Web09和其上的FACC1数据集,在三个不同的查询测试集(实体检索、实体关系检索和复杂的实体关系查询)上与两个典型相关工作作了比较。实验结果显示,扩展知识图谱上使用查询放松规则的实体关系检索系统的检索效果大大超出了其他系统,具体地在三个查询测试集上,其平均正确率均值(MAP)比其他系统分别提升了27%、37%和64%以上。