2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩78頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、實(shí)體解析是一種在結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中抽取、匹配與合并代表著同一現(xiàn)實(shí)世界實(shí)體的數(shù)據(jù)的處理過程。尤其在大數(shù)據(jù)時(shí)代,實(shí)體解析問題是數(shù)據(jù)庫管理、信息檢索、機(jī)器學(xué)習(xí)、自然語言處理與統(tǒng)計(jì)等領(lǐng)域的一個(gè)長(zhǎng)期存在的挑戰(zhàn)。實(shí)體解析具有很多別名,如記錄鏈接、去重、交叉引用解析、引用調(diào)解、對(duì)象鞏固等。精確與快速的實(shí)體解析在商業(yè)、科學(xué)、安全等領(lǐng)域的諸多方面具有重大的實(shí)際意義。反之,低質(zhì)的實(shí)體解析通常會(huì)帶來諸多問題。比如,實(shí)體解析不好,會(huì)導(dǎo)致重復(fù)數(shù)據(jù)的存在,它會(huì)

2、扭曲從數(shù)據(jù)中獲取的信息,也為后續(xù)的數(shù)據(jù)挖掘、建立決策支持系統(tǒng)、應(yīng)用商務(wù)智能等帶來隱患。
  由于面向非結(jié)構(gòu)化的實(shí)體解析通常都特定于應(yīng)用,而本文旨在研究更具有通用性的實(shí)體解析方法,所以本文將關(guān)注點(diǎn)放在面向結(jié)構(gòu)化的實(shí)體解析。此外,匹配與合并函數(shù)均被視為黑盒,不關(guān)注其內(nèi)部實(shí)現(xiàn)細(xì)節(jié),關(guān)注的是如何盡可能少地減少匹配與合并函數(shù)的調(diào)用次數(shù)。具體而言:
  (1)針對(duì)無置信度的數(shù)據(jù)集,通過訓(xùn)練提取出匹配核,然后對(duì)匹配核進(jìn)行統(tǒng)計(jì)學(xué)習(xí),再依據(jù)學(xué)

3、習(xí)結(jié)果對(duì)數(shù)據(jù)集分塊。分塊的目的是隔離塊與塊之間的記錄,將記錄的比較限制在塊內(nèi),從而減少了匹配與合并函數(shù)的調(diào)用,提高了實(shí)體解析的效率。
  (2)針對(duì)帶置信度的數(shù)據(jù)集,因?yàn)橛涗浀暮喜㈨樞虿煌赡軐?dǎo)致最終結(jié)果不同,所以實(shí)體解析需要考慮記錄的所有合并方案并從中選取最佳方案。本文通過訓(xùn)練獲得置信度合并詞典,在判斷哪種合并方案最佳時(shí),通過置信度合并詞典就可以大大減少合并函數(shù)的調(diào)用,從而使得實(shí)體解析的性能得到了提升。此外,本文提出了一種帶置信

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論