摘要：为了改善文本聚类的质量,得到满意的聚类结果,针对文本聚类忽略概念的内涵及缺少概念间的联系,设计和改进了基于本体和相似度的文本聚类方法TCBOS(textclusteringbased on ontology and similarity)。研究了文本预处理及分词的方法,设计了用有限状态自动机来自动提取概念和关系的方法,对概念语义扩展和相似度计算方法进行了改进和完善,通过应用本体的语义相似度来度量文档间相近程度,完善了根据相似度进行文本聚类的K中心点算法。实验证明,该方法从聚类的准确性和聚类的关联度方面改善了聚类质量,为文本的自动分析和推荐提供了一条途径。

摘要：在多Agent协商过程中,初始信念起到了至关重要的作用。而初始信念的形成是由设计者给予的部分专家知识和策略集,成功的交互历史是Agent在复杂环境中最后达成一致的提议集。通过学习机制从交互历史中获得知识,形成协商的初始信念,将更加有效地预测对方的策略,缩短协商过程的时间,再通过在线学习来协调己方Agent的行为。在此基础上优化协商模型,提高协商的效率和成功率。

摘要：把情感语义引入了推荐系统,设计了基于情感语义的推荐系统模型.通过发现商品潜在的情感因素并对顾客情绪进行识别,提出了由情感匹配程度计算情感支持度的方法,给出了情感与关联规则挖掘结合的个性化推荐算法.实验验证了研究的可行性和有效性.

摘要：针对传统网格信任模型中倾向于资源使用者抉择资源而忽略资源提供者的抉择这一现象,分析了信任关系具有的特性,建立了基于域的对等信任模型,并提出了一种更能充分发挥网格资源效率的对等信任机制。该机制认为网格的实体具有资源使用阈值和资源提供阈值,网格实体在进行资源的共享和协同时,交互双方在使用资源和提供资源方面都需要根据相应的阈值抉择匹配的信任度,并通过推荐信任链路建立对等信任关系。

摘要：P2P网络上构建支持复杂语义请求的覆盖网络是一个新的挑战。支持复杂语义的覆盖网络不仅要满足P2P网络的完全分布性、动态性、可扩展性等相关特性,还要尽量提高P2P网络的可靠性和低成本维护性。提出的非结构化领域覆盖网络DOverlay由于其资源特征是直接由其对应领域本体的概念树转换而来,因此资源可自动形成相关聚类。而基于DOverlay的资源搜索策略D_Search不仅在减少了网络开销的前提下增大了搜索成功率,而且在D_Search中设计的资源评级策略还大大增加了搜索的有效性。

摘要：目前服务的发现与匹配很少考虑上下文相关语义,针对这个问题,采用本体来描述资源与请求,通过判断服务约束是否满足来决定是否获取服务;为了更好地进行服务选择,引入了上下文语义函数来刻画上下文相关的语义,提出了基于上下文相关语义的服务选择模型;在判断服务约束满足基础上,结合上下文相关语义,提出了服务发现与选择的算法:SDSSA。实例演示了根据语义选择服务的过程。