本文關(guān)鍵詞：Web實(shí)體間關(guān)系發(fā)現(xiàn)

  更多相關(guān)文章： 實(shí)體關(guān)系 關(guān)系相似性 隱式關(guān)系

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)飛躍性的發(fā)展,Web上的網(wǎng)站數(shù)量和網(wǎng)頁(yè)數(shù)量正以指數(shù)級(jí)的速度快速增長(zhǎng)。Web已經(jīng)成為一個(gè)擁有海量數(shù)據(jù),數(shù)據(jù)類型多樣,數(shù)據(jù)結(jié)構(gòu)各異巨大的數(shù)據(jù)源。Web數(shù)據(jù)集成系統(tǒng)通過(guò)有效整合來(lái)自不同Web數(shù)據(jù)源的數(shù)據(jù),為諸如市場(chǎng)情報(bào)分析、輿情分析、商業(yè)智能等分析應(yīng)用提供重要的高質(zhì)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(shí)體的基本信息,而實(shí)體間的豐富的關(guān)聯(lián)信息沒有被充分的挖掘。實(shí)體之間豐富的關(guān)聯(lián)信息,和準(zhǔn)確的標(biāo)記,能夠更加完善的描述實(shí)體間的相互關(guān)系,對(duì)搜索引擎、智能問(wèn)答、市場(chǎng)情報(bào)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(zhǔn),豐富智能問(wèn)答和市場(chǎng)情報(bào)分析等系統(tǒng)的知識(shí)庫(kù),幫助完善分析和推理的各種結(jié)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(lái)源于數(shù)據(jù)量大、質(zhì)量相對(duì)較高的Deep Web站點(diǎn),并將它們整合成具有統(tǒng)一模式的結(jié)構(gòu)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(shí)體之間關(guān)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(jié)構(gòu)化數(shù)據(jù)源,使得僅僅通過(guò)數(shù)據(jù)集成系統(tǒng)很難挖掘出來(lái)Web實(shí)體間有意義的關(guān)聯(lián)信息。2.對(duì)于已發(fā)現(xiàn)的實(shí)體間的關(guān)系,現(xiàn)有的關(guān)系標(biāo)記方法往往利用復(fù)雜的方法,計(jì)算量大,對(duì)于一些實(shí)時(shí)系統(tǒng)而言是無(wú)法接受的,進(jìn)行準(zhǔn)確和高效的關(guān)系標(biāo)記也成為Web數(shù)據(jù)集成系統(tǒng)中完善實(shí)體間信息的一個(gè)重要問(wèn)題。本文以挖掘Web數(shù)據(jù)集成系統(tǒng)中實(shí)體關(guān)系信息、提供實(shí)體全面而豐富的信息為目標(biāo),針對(duì)Web數(shù)據(jù)集成系統(tǒng)中實(shí)體關(guān)系發(fā)現(xiàn)以及實(shí)體關(guān)系標(biāo)注問(wèn)題展開研究,主要貢獻(xiàn)如下：1.本文提出一種基于聚類和向量屬性消減的實(shí)體語(yǔ)義關(guān)系發(fā)現(xiàn)算法。該方法在保證語(yǔ)義關(guān)系發(fā)現(xiàn)準(zhǔn)確率的前提下,發(fā)現(xiàn)實(shí)體間同時(shí)存在的多重關(guān)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(shí)體信息,為實(shí)體間關(guān)系構(gòu)造特征向量,通過(guò)一次聚類過(guò)程以及一次向量屬性消減過(guò)程,發(fā)現(xiàn)實(shí)體間的關(guān)系,在向量屬性消減過(guò)程中,該方法發(fā)現(xiàn)實(shí)體間的多重語(yǔ)義關(guān)系。2.本文提出一種基于集成學(xué)習(xí)對(duì)實(shí)體關(guān)系進(jìn)行標(biāo)記的方法。該方法通過(guò)提高Web數(shù)據(jù)集成系統(tǒng)中兩實(shí)體關(guān)系相似性判定的準(zhǔn)確率,來(lái)對(duì)實(shí)體關(guān)系進(jìn)行標(biāo)注。同時(shí),該方法減小了相似性計(jì)算的花費(fèi),對(duì)實(shí)體顯式關(guān)系進(jìn)行標(biāo)注。該方法將四種實(shí)體關(guān)系相似性判定方法使用集成學(xué)習(xí)的方法進(jìn)行集成,特別的對(duì)于SVM方法,該方法對(duì)其在計(jì)算方面進(jìn)行優(yōu)化,使得不用為每個(gè)實(shí)體對(duì)之間的關(guān)系訓(xùn)練一個(gè)特殊的SVM,而是選取Web數(shù)據(jù)集成系統(tǒng)中用戶最為關(guān)注的多個(gè)關(guān)系作為候選,在這些關(guān)系中對(duì)實(shí)體關(guān)系進(jìn)行匹配,進(jìn)而計(jì)算實(shí)體關(guān)系間的相似性。通過(guò)實(shí)體關(guān)系之間的相似性,對(duì)實(shí)體關(guān)系進(jìn)行標(biāo)記。實(shí)驗(yàn)結(jié)果表明,該方法提高了實(shí)體關(guān)系間的相似性判定準(zhǔn)確率,進(jìn)而提高了關(guān)系標(biāo)注的準(zhǔn)確率,同時(shí)能夠很好地降低相似性判定的計(jì)算花費(fèi)。3.本文提出了一種基于兩階段聚類的實(shí)體隱式關(guān)系挖掘算法。該算法使用搜索引擎返回的結(jié)果文檔,挖掘并標(biāo)記Web數(shù)據(jù)集成系統(tǒng)中相關(guān)實(shí)體之間的語(yǔ)義關(guān)系。該方法使用大量的外部文檔,從文檔中抽取與目標(biāo)實(shí)體的相關(guān)實(shí)體以及相關(guān)上下文,為實(shí)體關(guān)系構(gòu)造關(guān)系向量,通過(guò)關(guān)系向量的一次聚類,該方法獲得與目標(biāo)實(shí)體有相同關(guān)系的實(shí)體簇。通過(guò)對(duì)實(shí)體簇的第二次聚類,該方法獲得擁有相似關(guān)系的簇集合,進(jìn)而對(duì)這些簇集合進(jìn)行標(biāo)記。實(shí)驗(yàn)結(jié)果表明,該方法在保證準(zhǔn)確率的前提下,較大的提高了結(jié)果的召回率與F值。
【關(guān)鍵詞】：實(shí)體關(guān)系 關(guān)系相似性 隱式關(guān)系
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：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(wèn)題13-14
• 1.3 主要工作14-15
• 1.4 論文結(jié)構(gòu)15-17
• 第二章 相關(guān)研究17-22
• 2.1 引言17
• 2.2 Web實(shí)體及實(shí)體關(guān)系17-18
• 2.3 實(shí)體關(guān)系發(fā)現(xiàn)18-20
• 2.4 小結(jié)20-22
• 第三章 Web實(shí)體間顯式語(yǔ)義關(guān)系發(fā)現(xiàn)22-32
• 3.1 引言22-23
• 3.2 問(wèn)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(shí)體間多語(yǔ)義關(guān)系發(fā)現(xiàn)24-28
• 3.4.1 關(guān)系向量聚類25-26
• 3.4.2 向量屬性消減26-28
• 3.5 實(shí)驗(yàn)評(píng)價(jià)28-30
• 3.6 小結(jié)30-32
• 第四章 實(shí)體顯式語(yǔ)義關(guān)系標(biāo)注32-42
• 4.1 引言32-33
• 4.2 問(wèn)題定義33-35
• 4.3 方法思路35-36
• 4.4 基于集成學(xué)習(xí)的顯式關(guān)系標(biāo)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(shí)驗(yàn)評(píng)價(jià)39-41
• 4.6 小結(jié)41-42
• 第五章 Web實(shí)體間隱式關(guān)系的發(fā)現(xiàn)與標(biāo)記42-52
• 5.1 引言42-43
• 5.2 問(wèn)題定義43-44
• 5.3 基于兩階段聚類的實(shí)體間隱式關(guān)系發(fā)現(xiàn)與標(biāo)記44-48
• 5.3.1 第一階段聚類：關(guān)系發(fā)現(xiàn)45-46
• 5.3.2 第二階段聚類：關(guān)系標(biāo)記46-48
• 5.4 實(shí)驗(yàn)評(píng)價(jià)48-51
• 5.5 小結(jié)51-52
• 第六章 總結(jié)與展望52-54
• 6.1 總結(jié)52-53
• 6.2 展望53-54
• 參考文獻(xiàn)54-60
• 致謝60-61
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄61-62
• 學(xué)位論文評(píng)閱及答辯情況表62

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 鐘昕;伏玉琛;;書籍搜索領(lǐng)域Deep Web數(shù)據(jù)集成系統(tǒng)[J];計(jì)算機(jī)技術(shù)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(shè)計(jì)[J];模式識(shí)別與人工智能;2009年01期

3 肖瑞;張威;;基于云計(jì)算的數(shù)字化校園數(shù)據(jù)集成系統(tǒng)研究[J];中國(guó)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(guān)鍵問(wèn)題研究[J];計(jì)算機(jī)應(yīng)用;2006年07期

5 時(shí)俊苓;葉丹;;面向業(yè)務(wù)的數(shù)據(jù)集成系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年02期

6 王壇;;出版社書目數(shù)據(jù)集成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];南陽(yáng)師范學(xué)院學(xué)報(bào);2010年12期

7 郭忠文;尚傳進(jìn);管恩花;;面向服務(wù)構(gòu)架的海洋數(shù)據(jù)集成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用研究;2006年02期

8 張仕;賴會(huì)霞;;基于輕映射的數(shù)據(jù)集成系統(tǒng)[J];計(jì)算機(jī)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(cè)多源數(shù)據(jù)集成系統(tǒng)研究[J];科技信息;2010年29期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

1 ;生產(chǎn)調(diào)度數(shù)據(jù)集成系統(tǒng)[A];中國(guó)黃金協(xié)會(huì)科學(xué)技術(shù)獎(jiǎng)表彰會(huì)暨新技術(shù)、新設(shè)備推廣會(huì)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(jié)構(gòu)及查詢改寫算法的改進(jìn)[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

3 閆中敏;李慶忠;彭朝暉;董永權(quán);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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(shù)[A];第二十二屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)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(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2005年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前3條

1 ;BI困則思變[N];網(wǎng)絡(luò)世界;2007年

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

3 哈爾濱工業(yè)大學(xué) 王宏志;借XML高效管理數(shù)據(jù)之道[N];中國(guó)計(jì)算機(jī)報(bào);2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

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

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

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 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(shí)現(xiàn)[D];電子科技大學(xué);2015年

2 龐志強(qiáng);基于相似連接的大數(shù)據(jù)集成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];東北大學(xué);2014年

3 趙珂;Web實(shí)體間關(guān)系發(fā)現(xiàn)[D];山東大學(xué);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(gòu)建和應(yīng)用研究[D];中國(guó)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(shè)計(jì)與應(yīng)用研究[D];西安電子科技大學(xué);2011年

6 何嶺嘉;數(shù)據(jù)集成系統(tǒng)中通信平臺(tái)的研究與實(shí)現(xiàn)[D];暨南大學(xué);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(xué);2006年

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

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

10 方成;托管銀行數(shù)據(jù)集成系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2013年

，

本文編號(hào)：654394