多視圖實(shí)體聚類及標(biāo)簽抽取技術(shù)研究.pdf

1、隨著互聯(lián)網(wǎng)的深入發(fā)展，人類生產(chǎn)的數(shù)據(jù)飛速增長，這使得互聯(lián)網(wǎng)成為大數(shù)據(jù)的主要來源。其中一類重要的數(shù)據(jù)就是實(shí)體，不同于一般意義上的數(shù)據(jù)，實(shí)體往往是多種屬性數(shù)據(jù)構(gòu)成的一個(gè)整體，每種屬性數(shù)據(jù)都刻畫了實(shí)體的某一個(gè)方面，例如某一個(gè)商品，它包含著商品的各種參數(shù)、描述性信息，同時(shí)還有用戶對(duì)于該商品的評(píng)價(jià)信息。對(duì)于這些數(shù)量巨大的實(shí)體進(jìn)行整理和組織具有重要的意義。然而，傳統(tǒng)的聚類和標(biāo)簽抽取往往集中在單一視圖的數(shù)據(jù)上，對(duì)于實(shí)體這種特殊的數(shù)據(jù)，普遍的做法是將實(shí)

2、體包含的這些不同類型的數(shù)據(jù)簡單的合并成一個(gè)統(tǒng)一的表示，之后再使用傳統(tǒng)的方法進(jìn)行處理。這種做法存在一些問題：一是忽略了不同類型數(shù)據(jù)之間的本質(zhì)區(qū)別以及重要性的差別，從而不能充分利用它們包含的信息；二是沒有考慮到不同視圖之間的交互作用，單獨(dú)的考慮一種視圖并不能完整的描述整個(gè)實(shí)體。針對(duì)以上分析，本文進(jìn)行了利用多視圖的方法對(duì)實(shí)體進(jìn)行聚類以及標(biāo)簽抽取的研究，主要工作包括：
　　第一，本文結(jié)合co-training的思想將傳統(tǒng)的K-均值聚類算法

3、擴(kuò)展到了多視圖情形，并對(duì)實(shí)體進(jìn)行聚類。首先分析了幾個(gè)經(jīng)典用于處理多視圖數(shù)據(jù)的聚類算法，指出了這些方法存在的問題。在此基礎(chǔ)上本文提出一個(gè)新的聚類目標(biāo)函數(shù)，并且得到了一個(gè)新的多視圖K-均值聚類算法。在若干個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集以及一個(gè)實(shí)體數(shù)據(jù)集上的結(jié)果表明，本文提出的聚類算法在各類評(píng)價(jià)指標(biāo)上均得到了顯著的提升。
　　第二，本文將多視圖的概念引入到實(shí)體的標(biāo)簽抽取研究中。我們分析了若干單一文本標(biāo)簽抽取方法，并指出了它們存在的問題，區(qū)別于單一文本的抽

4、取方式，我們從實(shí)體的具有不同屬性的文本中分別抽取候選標(biāo)簽，然后結(jié)合各個(gè)視圖的重要程度進(jìn)行排序。我們的結(jié)果表明，加入多視圖的信息的基于TFIDF以及主題模型的標(biāo)簽抽取方法同未考慮多視圖信息的方法相比，抽取效果得到了較大的提升。
　　第三，本文針對(duì)手機(jī)App實(shí)體建立了一個(gè)基于聚類和標(biāo)簽的檢索系統(tǒng)。利用我們提出的多視圖聚類算法對(duì)手機(jī)App進(jìn)行聚類，系統(tǒng)能夠?qū)z索結(jié)果進(jìn)行高效、合理的組織和整理，系統(tǒng)同時(shí)可以生成手機(jī) App聚簇標(biāo)簽，結(jié)合這