摘要：为了解决在语义Web信息处理中本体的频繁存取造成的性能问题,提出基于Bayesian决策理论的本体缓存模型.该模型有效利用本体的语义性和本体的存取日志来抽取特征向量(包括语义特征、存取特征和类型特征),通过Bayesian决策理论指导在本地缓存频繁使用的本体,并通过机器学习优化缓存模型,提高本体概念和实例缓存命中率.本体的有效缓存减少了本体网络访问的开销,实验表明,采用该本体缓存模型后,原型系统的本体访问速度在Gauss分布的本体访问概率下提高了25%左右.

原文链接:http://www.cqvip.com//QK/93884X/200510/20296894.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）