基于眾包的網(wǎng)絡(luò)表格語義恢復(fù).pdf

1、在互聯(lián)網(wǎng)中存在大量結(jié)構(gòu)化的表格數(shù)據(jù)，但這些數(shù)據(jù)大多數(shù)都缺少表頭、實(shí)體列和外鍵。對(duì)于表格數(shù)據(jù)，表頭等結(jié)構(gòu)信息是進(jìn)行數(shù)據(jù)檢索和表格融合的重要基礎(chǔ)。目前，人們提出了很多機(jī)器算法來恢復(fù)網(wǎng)絡(luò)表格的結(jié)構(gòu)消息，但在算法準(zhǔn)確性和穩(wěn)定性方面都有待提高。近年來，眾包技術(shù)被越來越廣泛的應(yīng)用于自然語言處理、圖片識(shí)別等領(lǐng)域。本文提出引入眾包技術(shù)解決網(wǎng)絡(luò)表格的結(jié)構(gòu)信息恢復(fù)問題，在機(jī)器算法的基礎(chǔ)上通過工人來完成表頭、實(shí)體列和外鍵的標(biāo)注任務(wù)。
　　在表頭和實(shí)體列

2、恢復(fù)方面，論文提出了任務(wù)約簡的理論模型和算法，通過引入典型屬性的概念，對(duì)傳統(tǒng)聚類算法進(jìn)行改進(jìn)，在聚類的基礎(chǔ)上從表格中挑選少量代表元組呈現(xiàn)給工人，使標(biāo)注任務(wù)得到明顯簡化;此外，論文提出了基于答案可信度的評(píng)估模型，通過對(duì)工人不同領(lǐng)域的動(dòng)態(tài)評(píng)分完成相應(yīng)的任務(wù)推薦和答案決策。大量實(shí)驗(yàn)表明，本文提出的工人評(píng)估模型能顯著提高答案的準(zhǔn)確性，而任務(wù)約簡模型能在保證不影響答案準(zhǔn)確行的前提下明顯減少工人完成任務(wù)的時(shí)間。
　　在外鍵標(biāo)注方面，針對(duì)網(wǎng)絡(luò)表