面向關(guān)聯(lián)數(shù)據(jù)的實(shí)體對(duì)齊方法研究.pdf

1、無論是在傳統(tǒng)Web場景還是語義Web場景下，知識(shí)互聯(lián)始終是一個(gè)重要的問題，大規(guī)模知識(shí)圖譜的構(gòu)建為此提供了堅(jiān)實(shí)的基礎(chǔ)，知識(shí)圖譜中的一個(gè)重要的部分就是多數(shù)據(jù)源之間OWL:sameAs鏈接的發(fā)現(xiàn)，這也是實(shí)體對(duì)齊(Entity Alinment)工作所要解決的問題。關(guān)聯(lián)數(shù)據(jù)集之間的描述異構(gòu)性使得適用基于模式的方法效果并不是很好，實(shí)體鏈接存在缺失。利用獨(dú)立于模式的鏈接發(fā)現(xiàn)方法則可以在兼顧數(shù)據(jù)語義標(biāo)簽特征及統(tǒng)計(jì)特征的基礎(chǔ)上發(fā)現(xiàn)缺失鏈接。
　　

2、本文通過將傳統(tǒng)的基于模式下屬性規(guī)則的對(duì)齊問題轉(zhuǎn)換為獨(dú)立于屬性的二分類問題，針對(duì)關(guān)聯(lián)數(shù)據(jù)集特殊場景，通過對(duì)數(shù)據(jù)集的語義特征抽取以及對(duì)抽取后的特征向量進(jìn)行特征分析，在此基礎(chǔ)上提出了一種基于機(jī)器學(xué)習(xí)分類算法的實(shí)體對(duì)齊算法，在關(guān)聯(lián)數(shù)據(jù)集上的實(shí)驗(yàn)證明了此方法有助于一些缺失links的發(fā)現(xiàn)，并將此方法應(yīng)用于設(shè)計(jì)、構(gòu)建鏈接發(fā)現(xiàn)系統(tǒng)。主要研究內(nèi)容如下:
　　(1)對(duì)關(guān)聯(lián)數(shù)據(jù)集合進(jìn)行語義特征解析，提出了一種面向關(guān)聯(lián)數(shù)據(jù)集的基于屬性文本語義特征的實(shí)體

3、對(duì)齊方法(Semantic Features based Entity Alignment，SFEA)。該方法充分利用關(guān)聯(lián)數(shù)據(jù)作為對(duì)齊工作的數(shù)據(jù)來源，在對(duì)RDF數(shù)據(jù)進(jìn)行語義特征解析的基礎(chǔ)上，使用JSON技術(shù)并結(jié)合語義標(biāo)簽特征劃分得到主要有效的九大類文本信息，構(gòu)建具有顯著語義特征的文本向量集待用。為了減少文本處理的工作量，本文還引入了倒排索引來生成候選實(shí)體集合。
　　(2)特征向量構(gòu)建匹配過程中，為了保證評(píng)估可靠性，使用MapRed

4、uce模型框架實(shí)現(xiàn)屬性文本序列化計(jì)算工作，使用key-value形式存儲(chǔ)信息，并綜合選取具有較好類別區(qū)分能力的五大類綜合性TF·IDF統(tǒng)計(jì)方法對(duì)文本特征進(jìn)行建模，在篩選過濾有效信息的同時(shí)最大程度保證了候選實(shí)體對(duì)完整性，降低了計(jì)算復(fù)雜度。
　　(3)提出了一種適用于大規(guī)模數(shù)據(jù)集合有監(jiān)督的機(jī)器學(xué)習(xí)分類算法，利用特征向量信息以及關(guān)聯(lián)數(shù)據(jù)集中特有的已存鏈接信息對(duì)數(shù)據(jù)集實(shí)體間關(guān)系進(jìn)行有效分類。分類器生成過程中，一方面使用廣泛驗(yàn)證有效的C4.