Web中相關(guān)實(shí)體發(fā)現(xiàn)研究.pdf

1、隨著Internet和信息檢索技術(shù)的迅猛發(fā)展，Web成為人們獲取信息的重要途徑，而搜索引擎則成為從Web中獲取信息的重要工具。傳統(tǒng)的搜索方式是:用戶向搜索引擎（比如Google、百度）提交查詢，搜索引擎則依據(jù)提交的查詢給用戶返回一組相關(guān)文檔列表。但是很多時(shí)候用戶需求的并不是文檔本身，而是文檔中包含的實(shí)體信息。因此如何從眾多的Web文檔中找到用戶需求的實(shí)體信息成為近年來的研究熱點(diǎn)，而相關(guān)實(shí)體發(fā)現(xiàn)研究正是針對用戶的這種特殊實(shí)體查詢需求而產(chǎn)生

2、。相關(guān)實(shí)體發(fā)現(xiàn)是指給定一個(gè)由源實(shí)體、目標(biāo)類型和源實(shí)體與目標(biāo)實(shí)體的關(guān)系描述構(gòu)成的查詢，找到符合要求的一組實(shí)體。
　　返回的實(shí)體需要滿足查詢要求的類型，但是給定的目標(biāo)類型經(jīng)常非常粗糙，這導(dǎo)致無法對得到的實(shí)體進(jìn)行準(zhǔn)確的類型判斷，針對這個(gè)問題我們做了如下的工作:
　　1)提出一種自動獲取細(xì)粒度目標(biāo)類型及其下義種子實(shí)體的方法。通過對查詢語句的句法分析獲取細(xì)粒度目標(biāo)類型，利用查詢模板獲取目標(biāo)類型的下義種子實(shí)體。
　　2)提出一種基

3、于歸納法的細(xì)粒度目標(biāo)類型下義類別判別規(guī)則集合獲取方法，對于數(shù)量較少的種子實(shí)體，利用歸納法獲取細(xì)粒度目標(biāo)類型的下義類別判別規(guī)則集合。
　　3)提出一種基于特征提取的細(xì)粒度目標(biāo)類型下義類別判別規(guī)則集合獲取方法，對于數(shù)量較多的種子實(shí)體，利用學(xué)習(xí)到的最佳特征提取方法獲取細(xì)粒度目標(biāo)類型的下義類別判別規(guī)則集合。
　　由于初始檢索到的候選實(shí)體是無序的，要想得到滿足用戶查詢要求的實(shí)體，必須對所有的候選實(shí)體進(jìn)行排序，針對該問題我們做了如下的工

4、作:
　　1)提出了一種基于生成概率模型的實(shí)體排序方法。從實(shí)體相關(guān)度、實(shí)體類型相關(guān)度和實(shí)體關(guān)系相關(guān)度三方面的組合計(jì)算來對實(shí)體進(jìn)行排序，通過對比多種組合方法，獲取最佳的排序方法。對于實(shí)體類型相關(guān)度的計(jì)算使用了兩種方法，一種方法是基于歸納法獲取的細(xì)粒度目標(biāo)類型下義類別判別規(guī)則集合，利用不同的規(guī)則集合數(shù)進(jìn)行實(shí)體類型相關(guān)度計(jì)算，另一種方法是基于特征提取方法獲取的細(xì)粒度目標(biāo)類型下義類別判別規(guī)則集合。對于實(shí)體關(guān)系相關(guān)度計(jì)算，評估了兩種平滑方法

5、對實(shí)體排序的影響，并提出了一種去停止詞重構(gòu)關(guān)系的實(shí)體關(guān)系相關(guān)度計(jì)算方法，提高了排序效果并降低了時(shí)間耗費(fèi)。
　　2)提出了一種基于馬爾可夫隨機(jī)場的實(shí)體排序方法。該方法將實(shí)體用文檔、類型和名稱三個(gè)屬性表示，利用學(xué)習(xí)到的最佳權(quán)重參數(shù)通過線性合并查詢與候選實(shí)體表示文檔的相關(guān)度、目標(biāo)類型與候選實(shí)體類型的相關(guān)度以及源實(shí)體與候選實(shí)體名稱的相關(guān)度來對實(shí)體進(jìn)行排序。
　　相關(guān)實(shí)體發(fā)現(xiàn)任務(wù)中，實(shí)體被定義為由其唯一的主頁所表示，因此對所有的候選實(shí)