基于语义覆盖网的P2P信息共享系统研究

J4 ›› 2013, Vol. 35 ›› Issue (2): 7-12.

基于语义覆盖网的P2P信息共享系统研究

周广新1，唐九阳2，张扬3

（1.国防科学技术大学训练部，湖南长沙 410073; 2.国防科学技术大学信息系统工程重点实验室，湖南长沙 410073; 3.长沙师范专科学校办公室，湖南长沙 410073）

收稿日期:2011-11-23 修回日期:2012-05-29 出版日期:2013-02-25 发布日期:2013-02-25
基金资助:
国家自然科学基金资助项目（60903225）

Research on peertopeer information sharing system based on semantic overlay network

ZHOU Guangxin1,TANG Jiuyang2,ZHANG Yang3

(1.Training Department,National University of Defense Technology,Changsha 410073; 2.Science and Technology on Information Systems Engineering Laboratory,
National University of Defense Technology,Changsha 410073; 3.Changsha Normal College,Changsha 410073,China)

Received:2011-11-23 Revised:2012-05-29 Online:2013-02-25 Published:2013-02-25

摘要/Abstract

摘要：

现有P2P信息共享系统存在仅支持粗粒度、弱语义共享以及系统效率低等局限性，限制了其更大规模、更高层次的应用。基于资源相似节点通过信息聚类聚集在同一主题域，实现节点资源有序组织的思想，提出了一种基于语义覆盖网的P2P信息共享系统，建立由资源层、信息服务中心层、语义覆盖网络层和应用层四个层次组成的系统框架结构，并阐述了系统流程。分析表明，该系统有效优化了网络性能，可扩展性好，可以胜任不同的网络规模。

关键词: 语义覆盖网, 主题域, 聚类, 信息共享

Abstract:

Existing P2P information sharing systems can only support semanticsfree sharing of large granularity and inefficiently utilize their own resources, limiting their largescale, higherlevel applications. To address these challenges, the resources were clustered to form topics and the peers which include relevant topics were linked to form semantic overlay network. According to the principle, a fourlayer based architecture was proposed, which is made up of resource layer, information service center layer, semantic overlay network layer and applicationlayer. The corresponding analysis shows that the P2P information sharing system based on semantic overlay network effectively optimizes network performance and is scalable.

Key words: semantic overlay network;topic domain;cluster;information sharing

周广新1，唐九阳2，张扬3. 基于语义覆盖网的P2P信息共享系统研究[J]. J4, 2013, 35(2): 7-12.

ZHOU Guangxin1,TANG Jiuyang2,ZHANG Yang3.
Research on peertopeer information sharing system based on semantic overlay network[J]. J4, 2013, 35(2): 7-12.

[1]	柴旭清, 乔一航, 范黎林, . 一种基于随机森林分类器构建高性能应用程序性能分析模型的方法[J]. 计算机工程与科学, 2024, 46(07): 1218-1228.
[2]	宋鑫海, 韩京宇, 郎杭, 毛毅. 滑动窗口投票策略的QRS波群形态识别[J]. 计算机工程与科学, 2024, 46(02): 272-281.
[3]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[4]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[5]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[6]	李帅, 常锦才, 李吕牧之, 蔡昆杰, . 基于差分隐私保护的Stacking集成聚类算法研究[J]. 计算机工程与科学, 2022, 44(08): 1402-1408.
[7]	李兰, 刘杰, 张洁. 基于YOLOv4改进算法的复杂行人检测模型研究[J]. 计算机工程与科学, 2022, 44(08): 1449-1456.
[8]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.
[9]	庞兴龙, 朱国胜, 杨少龙, 李修远. 一种基于聚类与噪声的网络流量分类方法[J]. 计算机工程与科学, 2022, 44(07): 1207-1215.
[10]	黄志强, 李军, 张世义. 基于轻量级神经网络的目标检测研究[J]. 计算机工程与科学, 2022, 44(07): 1265-1272.
[11]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[12]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[13]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(02): 251-256.
[14]	许光宇, 丁健. 基于特征聚类的大视差图像拼接算法 [J]. 计算机工程与科学, 2022, 44(02): 283-290.
[15]	沈郭鑫, 蒋中云. 基于密度和中心指标的Canopy二分K-均值算法优化[J]. 计算机工程与科学, 2022, 44(02): 372-380.