面向Web的實體關系查詢與分析關鍵技術(shù)研究.pdf

1、近年來，互聯(lián)網(wǎng)技術(shù)持續(xù)快速發(fā)展，網(wǎng)絡信息呈爆炸式增長，如何在Web信息資源中更好的實現(xiàn)信息和用戶之間的有效互動，從而使網(wǎng)絡信息的搜索、瀏覽更加人性化和智能化是當前Web領域面臨的一個難題。為了提高對Web信息的處理能力，Web中的實體和實體關系成為關注熱點。實體對象能夠代表現(xiàn)實世界中的某一特定概念或者實例（如人物、地點、組織機構(gòu)等），比Web文檔具有更小的信息粒度;實體關系則描述了實體之間可能存在的某種關聯(lián)關系（如朋友關系、雇傭關系、合

2、作關系等）。實體和實體關系在電子商務、社交網(wǎng)絡等領域中有廣泛應用。在傳統(tǒng)的研究中，為了獲取實體之間的關系，大都需要構(gòu)建面向特定關系類型的領域知識。然而，Web文本處于復雜語義環(huán)境中，具有非結(jié)構(gòu)化的特點，缺少對結(jié)構(gòu)信息的描述，對其中的實體關系數(shù)據(jù)構(gòu)建全面、準確的領域知識是十分困難的。此外，基于Web中實體關系的動態(tài)演化、類型多樣等特點，需要設計新的實體關系分析框架和方法。
　　針對以上背景，本文將對Web環(huán)境下開放式實體關系的查詢和

3、分析做深入研究，以提高對Web數(shù)據(jù)的處理能力，并解決信息子圖抽取、動態(tài)關系建模、動態(tài)關系圖模型中相似節(jié)點查詢和行為角色挖掘等相關問題。論文的貢獻點概括如下。
　　本文提出了SSORE(Self-Supervised Open Relation Extraction)方法來抽取Web環(huán)境下實體之間的開放式關系，以便為關系的進一步分析做數(shù)據(jù)儲備。SSORE方法是一種自監(jiān)督的學習方法，首先利用句子的句式結(jié)構(gòu)得到候選關系元組;其次，利用相

4、關約束條件對候選關系元組進行自動標注;最后利用最大熵模型對輸入特征進行訓練，從而得到關系分類器?；陉P系分類器，可以對開放式關系進行過濾，從而提高數(shù)據(jù)質(zhì)量。為了方便數(shù)據(jù)的使用，本文基于特征共現(xiàn)度，對同名實體進行消歧，并將消歧后的實體關系存儲為圖結(jié)構(gòu)，稱為關系圖。
　　對于給定若干關注對象，為了從關系圖中發(fā)現(xiàn)它們之間的關聯(lián)關系，本文研究了信息子圖查詢問題并提出了SISP(Searching Informative Subgraph

5、based on PSO)處理框架。該框架首先通過圖的結(jié)構(gòu)信息，給出了目標信息子圖的評價函數(shù)，進而將子圖的查詢問題轉(zhuǎn)化為多目標優(yōu)化問題。借鑒粒子群優(yōu)化的相關理論，通過子圖初始化、子圖適應度計算和子圖更新等三個步驟實現(xiàn)了目標子圖的快速抽取。實驗結(jié)果證明，本文提出的SISP信息子圖抽取框架比已有方法有更高的計算精度和處理效率。
　　實際應用中的關系數(shù)據(jù)是不斷變化的，因此，由關系數(shù)據(jù)構(gòu)成的關系圖具有明顯的動態(tài)演化特性。為了研究動態(tài)關系圖

6、中關系的演化規(guī)律以及相關查詢和挖掘問題，本文首先利用滑動窗口將動態(tài)關系圖表示為一組快照，且每一個快照表達了特定時間點上的靜態(tài)關系結(jié)構(gòu)。利用這些靜態(tài)快照，本文從全局屬性和演化屬性兩個角度給出了動態(tài)關系圖中節(jié)點之間的相似性度量方法。基于節(jié)點間不同的相似性度量函數(shù)，本文提出了動態(tài)關系圖中的top-k查詢處理技術(shù)。實驗結(jié)果證明，關系的動態(tài)圖結(jié)構(gòu)更符合現(xiàn)實情況，且基于動態(tài)關系圖的top-k查詢結(jié)果更能滿足用戶的查詢需求。
　　在動態(tài)關系圖模

7、型中，節(jié)點在不同時刻可能具有不同的行為，這些變化的行為反映了節(jié)點的角色信息。利用節(jié)點行為，本文提出了BOM(Behavior Role Mining)框架，以解決動態(tài)圖模型中節(jié)點的角色挖掘問題。BOM框架首先利用馬爾可夫隨機場模型(MRF)對節(jié)點的行為進行建模，通過外在行為和潛在狀態(tài)之間的依賴關系表示行為的演化過程;其次，利用節(jié)點的歷史行為數(shù)據(jù)，基于EM算法，對節(jié)點的潛在狀態(tài)進行預測和量化;最后，基于每個節(jié)點的潛在狀態(tài)，利用聚類算法對節(jié)