本文關鍵詞：Web實體間關系發(fā)現(xiàn)

  更多相關文章： 實體關系 關系相似性 隱式關系

【摘要】：隨著互聯(lián)網(wǎng)技術飛躍性的發(fā)展,Web上的網(wǎng)站數(shù)量和網(wǎng)頁數(shù)量正以指數(shù)級的速度快速增長。Web已經(jīng)成為一個擁有海量數(shù)據(jù),數(shù)據(jù)類型多樣,數(shù)據(jù)結構各異巨大的數(shù)據(jù)源。Web數(shù)據(jù)集成系統(tǒng)通過有效整合來自不同Web數(shù)據(jù)源的數(shù)據(jù),為諸如市場情報分析、輿情分析、商業(yè)智能等分析應用提供重要的高質量的數(shù)據(jù)支撐�，F(xiàn)有的Web數(shù)據(jù)集成系統(tǒng)中,僅僅包含了Web實體的基本信息,而實體間的豐富的關聯(lián)信息沒有被充分的挖掘。實體之間豐富的關聯(lián)信息,和準確的標記,能夠更加完善的描述實體間的相互關系,對搜索引擎、智能問答、市場情報分析等系統(tǒng)提供數(shù)據(jù)支持,使搜索引擎返回的檢索數(shù)據(jù)更加精準,豐富智能問答和市場情報分析等系統(tǒng)的知識庫,幫助完善分析和推理的各種結果。然而,目前Web數(shù)據(jù)集成系統(tǒng)采集的數(shù)據(jù)主要來源于數(shù)據(jù)量大、質量相對較高的Deep Web站點,并將它們整合成具有統(tǒng)一模式的結構化數(shù)據(jù)。在海量的Web數(shù)據(jù)背景下,Web數(shù)據(jù)集成系統(tǒng)所提供的數(shù)據(jù)存在以下局限性：1.Web數(shù)據(jù)集成系統(tǒng)中的實體之間關聯(lián)信息缺乏,Web數(shù)據(jù)集成系統(tǒng)的數(shù)據(jù)采集于有限的數(shù)據(jù)源,而且這些數(shù)據(jù)源大多數(shù)都是結構化數(shù)據(jù)源,使得僅僅通過數(shù)據(jù)集成系統(tǒng)很難挖掘出來Web實體間有意義的關聯(lián)信息。2.對于已發(fā)現(xiàn)的實體間的關系,現(xiàn)有的關系標記方法往往利用復雜的方法,計算量大,對于一些實時系統(tǒng)而言是無法接受的,進行準確和高效的關系標記也成為Web數(shù)據(jù)集成系統(tǒng)中完善實體間信息的一個重要問題。本文以挖掘Web數(shù)據(jù)集成系統(tǒng)中實體關系信息、提供實體全面而豐富的信息為目標,針對Web數(shù)據(jù)集成系統(tǒng)中實體關系發(fā)現(xiàn)以及實體關系標注問題展開研究,主要貢獻如下：1.本文提出一種基于聚類和向量屬性消減的實體語義關系發(fā)現(xiàn)算法。該方法在保證語義關系發(fā)現(xiàn)準確率的前提下,發(fā)現(xiàn)實體間同時存在的多重關系。該方法使用搜索引擎獲得到的外部文檔以及Web數(shù)據(jù)集成系統(tǒng)中實體信息,為實體間關系構造特征向量,通過一次聚類過程以及一次向量屬性消減過程,發(fā)現(xiàn)實體間的關系,在向量屬性消減過程中,該方法發(fā)現(xiàn)實體間的多重語義關系。2.本文提出一種基于集成學習對實體關系進行標記的方法。該方法通過提高Web數(shù)據(jù)集成系統(tǒng)中兩實體關系相似性判定的準確率,來對實體關系進行標注。同時,該方法減小了相似性計算的花費,對實體顯式關系進行標注。該方法將四種實體關系相似性判定方法使用集成學習的方法進行集成,特別的對于SVM方法,該方法對其在計算方面進行優(yōu)化,使得不用為每個實體對之間的關系訓練一個特殊的SVM,而是選取Web數(shù)據(jù)集成系統(tǒng)中用戶最為關注的多個關系作為候選,在這些關系中對實體關系進行匹配,進而計算實體關系間的相似性。通過實體關系之間的相似性,對實體關系進行標記。實驗結果表明,該方法提高了實體關系間的相似性判定準確率,進而提高了關系標注的準確率,同時能夠很好地降低相似性判定的計算花費。3.本文提出了一種基于兩階段聚類的實體隱式關系挖掘算法。該算法使用搜索引擎返回的結果文檔,挖掘并標記Web數(shù)據(jù)集成系統(tǒng)中相關實體之間的語義關系。該方法使用大量的外部文檔,從文檔中抽取與目標實體的相關實體以及相關上下文,為實體關系構造關系向量,通過關系向量的一次聚類,該方法獲得與目標實體有相同關系的實體簇。通過對實體簇的第二次聚類,該方法獲得擁有相似關系的簇集合,進而對這些簇集合進行標記。實驗結果表明,該方法在保證準確率的前提下,較大的提高了結果的召回率與F值。
【關鍵詞】：實體關系 關系相似性 隱式關系
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP393.09;TP391.1
【目錄】：

• 摘要8-10
• ABSTRACT10-12
• 第一章 緒論12-17
• 1.1 研究背景及意義12-13
• 1.2 面臨的問題13-14
• 1.3 主要工作14-15
• 1.4 論文結構15-17
• 第二章 相關研究17-22
• 2.1 引言17
• 2.2 Web實體及實體關系17-18
• 2.3 實體關系發(fā)現(xiàn)18-20
• 2.4 小結20-22
• 第三章 Web實體間顯式語義關系發(fā)現(xiàn)22-32
• 3.1 引言22-23
• 3.2 問題定義23-24
• 3.3 方法思路24
• 3.4 基于聚類和向量屬性消減的實體間多語義關系發(fā)現(xiàn)24-28
• 3.4.1 關系向量聚類25-26
• 3.4.2 向量屬性消減26-28
• 3.5 實驗評價28-30
• 3.6 小結30-32
• 第四章 實體顯式語義關系標注32-42
• 4.1 引言32-33
• 4.2 問題定義33-35
• 4.3 方法思路35-36
• 4.4 基于集成學習的顯式關系標記36-39
• 4.4.1 歐氏距離與余弦距離36
• 4.4.2 馬氏距離36-37
• 4.4.3 SVM37-38
• 4.4.4 FCombine38-39
• 4.5 實驗評價39-41
• 4.6 小結41-42
• 第五章 Web實體間隱式關系的發(fā)現(xiàn)與標記42-52
• 5.1 引言42-43
• 5.2 問題定義43-44
• 5.3 基于兩階段聚類的實體間隱式關系發(fā)現(xiàn)與標記44-48
• 5.3.1 第一階段聚類：關系發(fā)現(xiàn)45-46
• 5.3.2 第二階段聚類：關系標記46-48
• 5.4 實驗評價48-51
• 5.5 小結51-52
• 第六章 總結與展望52-54
• 6.1 總結52-53
• 6.2 展望53-54
• 參考文獻54-60
• 致謝60-61
• 攻讀學位期間發(fā)表的學術論文目錄61-62
• 學位論文評閱及答辯情況表62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鐘昕;伏玉琛;;書籍搜索領域Deep Web數(shù)據(jù)集成系統(tǒng)[J];計算機技術與發(fā)展;2008年09期

2 謝興生;張一鳴;余銀;莊鎮(zhèn)泉;;一種支持智能匹配檢索的數(shù)據(jù)集成系統(tǒng)設計[J];模式識別與人工智能;2009年01期

3 肖瑞;張威;;基于云計算的數(shù)字化校園數(shù)據(jù)集成系統(tǒng)研究[J];中國科技信息;2013年22期

4 劉敏超;劉衛(wèi)東;;數(shù)據(jù)集成系統(tǒng)關鍵問題研究[J];計算機應用;2006年07期

5 時俊苓;葉丹;;面向業(yè)務的數(shù)據(jù)集成系統(tǒng)設計與實現(xiàn)[J];計算機系統(tǒng)應用;2010年02期

6 王壇;;出版社書目數(shù)據(jù)集成系統(tǒng)的設計與實現(xiàn)[J];南陽師范學院學報;2010年12期

7 郭忠文;尚傳進;管恩花;;面向服務構架的海洋數(shù)據(jù)集成系統(tǒng)的設計與實現(xiàn)[J];計算機應用研究;2006年02期

8 張仕;賴會霞;;基于輕映射的數(shù)據(jù)集成系統(tǒng)[J];計算機與數(shù)字工程;2009年09期

9 謝委員;葉楓;;醫(yī)院區(qū)域醫(yī)療數(shù)據(jù)集成系統(tǒng)研究[J];現(xiàn)代物業(yè)(中旬刊);2010年06期

10 王碩;靳熙芳;;北海區(qū)海洋環(huán)境監(jiān)測多源數(shù)據(jù)集成系統(tǒng)研究[J];科技信息;2010年29期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 ;生產(chǎn)調(diào)度數(shù)據(jù)集成系統(tǒng)[A];中國黃金協(xié)會科學技術獎表彰會暨新技術、新設備推廣會議材料[C];2004年

2 謝麗聰;白清源;余建家;;數(shù)據(jù)集成系統(tǒng)的三層體系結構及查詢改寫算法的改進[A];第二十屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2003年

3 閆中敏;李慶忠;彭朝暉;董永權;丁艷輝;張永新;徐秀星;;DWDIS:面向分析的Deep Web數(shù)據(jù)集成系統(tǒng)[A];NDBC2010第27屆中國數(shù)據(jù)庫學術會議論文集(B輯)[C];2010年

4 肖冰;廖湖聲;鄭玉明;;數(shù)據(jù)集成系統(tǒng)中的XML延遲處理技術[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2005年

5 張碩;李建中;熊蜀光;王春宇;;一種基于XML的Web數(shù)據(jù)集成系統(tǒng)查詢分解和優(yōu)化策略[A];第二十二屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 ;BI困則思變[N];網(wǎng)絡世界;2007年

2 《網(wǎng)絡世界》記者 于翔;大數(shù)據(jù)高調(diào)唱響[N];網(wǎng)絡世界;2012年

3 哈爾濱工業(yè)大學 王宏志;借XML高效管理數(shù)據(jù)之道[N];中國計算機報;2007年

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 陳彤兵;LAV數(shù)據(jù)集成系統(tǒng)的查詢處理[D];復旦大學;2005年

2 梅從立;過程工業(yè)數(shù)據(jù)顯著誤差檢測技術研究[D];浙江大學;2007年

3 張永進;面向防汛抗旱指揮系統(tǒng)的應用集成中間件平臺研究[D];西北大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 林建昌;電力行業(yè)分布式ETL數(shù)據(jù)集成系統(tǒng)研究與實現(xiàn)[D];電子科技大學;2015年

2 龐志強;基于相似連接的大數(shù)據(jù)集成系統(tǒng)的設計與實現(xiàn)[D];東北大學;2014年

3 趙珂;Web實體間關系發(fā)現(xiàn)[D];山東大學;2016年

4 姚源;地月日大系統(tǒng)研究中數(shù)據(jù)集成系統(tǒng)的構建和應用研究[D];中國航天第二研究院;2008年

5 郭軍;Deep Web數(shù)據(jù)集成系統(tǒng)的設計與應用研究[D];西安電子科技大學;2011年

6 何嶺嘉;數(shù)據(jù)集成系統(tǒng)中通信平臺的研究與實現(xiàn)[D];暨南大學;2008年

7 李晶;基于產(chǎn)品生命周期的中小型企業(yè)數(shù)據(jù)集成系統(tǒng)的研究[D];合肥工業(yè)大學;2006年

8 張雷;社保數(shù)據(jù)集成系統(tǒng)的研究與應用[D];湖南大學;2006年

9 劉凱;遠程教育評估系統(tǒng)中數(shù)據(jù)集成技術研究[D];西安電子科技大學;2006年

10 方成;托管銀行數(shù)據(jù)集成系統(tǒng)的設計與實現(xiàn)[D];大連理工大學;2013年

，

本文編號：654394