基于移动代理的智能检索技术研究

在当今信息时代，信息检索技术是具有现实意义的研究课题。然而，在信息量十分庞大的环境中，大部分检索工具都存在着查准率低，无用信息冗余，缺乏个性服务等棘手问题。为解决这些问题，检索技术开始向智能化方向过渡,智能检索技术成为近年来信息检索领域的研究热点。Mobile Agent（移动代理）是人工智能领域里一种新型的计算模型，它具有智能性，主动性，移动性等特点，它的引入为众多分布式计算系统提供一种新型有效的体系结构。本课题将在深入研究移动代理技术的基础上，分析将其应用到信息检索中来实现智能检索的可行性；提出一种基于移动代理的新型自然语言处理模型；集成移动代理与数据挖掘来实现检索的个性化；并在研究的基础上设计与开发基于移动代理的智能信息检索系统原型。通过本项目的研究，进一步拓宽移动代理技术的应用方向，解决信息检索智能化的问题，从而提升我国在分布式信息检索及人工智能应用领域的创新力。

本项目围绕着研究基于移动代理的智能检索技术这一主要问题，按照研究计划开展各项研究工作，既涉及较难的理论问题，也面对具有挑战性的实际应用问题。研究的主要内容包括图像数据的高效特征表示及检索、图像检索的用户反馈处理、海量数据的并行处理及检索三个部分。同时，项目组开发了海量数据智能检索平台，包括图像信息检索平台、用户反馈机制平台，并初步完成了基于手机移动媒体的图像检索平台。. 三年来，项目组在图像的形状不变特征方法、图像的颜色特征表示方法、图像形状的骨骼提取及检索、大规模形状数据的高效描述子、基于SVM的反馈机制研究、基于MapReduce的海量数据索引机制等方面取得了一些有意义的研究成果：针对现有基于形状特征的检索技术所存在的缺陷，提出一种包含基于外接圆采样特征和兴趣点空间分布特征的新型形状描述方法及一种基于调整值和统计学习的新型特征匹配策略，二者的结合构成了一种新的检索方案；针对现有基于局部颜色直方图的检索技术中所存在的游离兴趣点问题，提出基于兴趣区域的检索方法、基于兴趣点最小覆盖圆的检索方法、以及基于兴趣点加权聚类的检索方法；针对基于支持向量机(SVM)的图像检索反馈技术中，现有核函数的计算结果不能有效地表示图像间的相似性这一问题，提出一种基于邻接矩阵和局部组合特征的新型核函数；针对并行数据处理与MapReduce等分布式数据处理模式的一些缺点，项目设计了一种云环境下的基于倒排网格的索引模型与分布式建立该索引的系统结构与算法，该分布式索引结构具有松耦合和无共享，且简单易扩展的特性。进一步，在该索引基础上实现了基于MapReduce模型的分布式空间K近邻查询算法。上述研究成果解决了一些理论及应用上的相关问题，很好的完成了本项目的预期目标。. 项目执行期间，项目组成员获得2010 年度教育部自然科学二等奖，项目组在国内外学术刊物及会议上发表科研论文17篇，其中含SCI 检索7篇，EI 检索16篇，ISTP 检索1篇，完成培养硕士研究生17名。课题组承办了2011年度普适计算与通信国际会议，有100余名学者出席会议。课题组成员参加国际会议20余人次，其中担任国际会议组委5人次。同时，有一篇科研论文获2012年度高性能计算与通信会议的大会最佳论文奖。