面向關(guān)聯(lián)數(shù)據(jù)的實體對齊方法研究.pdf

1、無論是在傳統(tǒng)Web場景還是語義Web場景下，知識互聯(lián)始終是一個重要的問題，大規(guī)模知識圖譜的構(gòu)建為此提供了堅實的基礎(chǔ)，知識圖譜中的一個重要的部分就是多數(shù)據(jù)源之間OWL:sameAs鏈接的發(fā)現(xiàn)，這也是實體對齊(Entity Alinment)工作所要解決的問題。關(guān)聯(lián)數(shù)據(jù)集之間的描述異構(gòu)性使得適用基于模式的方法效果并不是很好，實體鏈接存在缺失。利用獨立于模式的鏈接發(fā)現(xiàn)方法則可以在兼顧數(shù)據(jù)語義標(biāo)簽特征及統(tǒng)計特征的基礎(chǔ)上發(fā)現(xiàn)缺失鏈接。
　　

2、本文通過將傳統(tǒng)的基于模式下屬性規(guī)則的對齊問題轉(zhuǎn)換為獨立于屬性的二分類問題，針對關(guān)聯(lián)數(shù)據(jù)集特殊場景，通過對數(shù)據(jù)集的語義特征抽取以及對抽取后的特征向量進行特征分析，在此基礎(chǔ)上提出了一種基于機器學(xué)習(xí)分類算法的實體對齊算法，在關(guān)聯(lián)數(shù)據(jù)集上的實驗證明了此方法有助于一些缺失links的發(fā)現(xiàn)，并將此方法應(yīng)用于設(shè)計、構(gòu)建鏈接發(fā)現(xiàn)系統(tǒng)。主要研究內(nèi)容如下:
　　(1)對關(guān)聯(lián)數(shù)據(jù)集合進行語義特征解析，提出了一種面向關(guān)聯(lián)數(shù)據(jù)集的基于屬性文本語義特征的實體

3、對齊方法(Semantic Features based Entity Alignment，SFEA)。該方法充分利用關(guān)聯(lián)數(shù)據(jù)作為對齊工作的數(shù)據(jù)來源，在對RDF數(shù)據(jù)進行語義特征解析的基礎(chǔ)上，使用JSON技術(shù)并結(jié)合語義標(biāo)簽特征劃分得到主要有效的九大類文本信息，構(gòu)建具有顯著語義特征的文本向量集待用。為了減少文本處理的工作量，本文還引入了倒排索引來生成候選實體集合。
　　(2)特征向量構(gòu)建匹配過程中，為了保證評估可靠性，使用MapRed

4、uce模型框架實現(xiàn)屬性文本序列化計算工作，使用key-value形式存儲信息，并綜合選取具有較好類別區(qū)分能力的五大類綜合性TF·IDF統(tǒng)計方法對文本特征進行建模，在篩選過濾有效信息的同時最大程度保證了候選實體對完整性，降低了計算復(fù)雜度。
　　(3)提出了一種適用于大規(guī)模數(shù)據(jù)集合有監(jiān)督的機器學(xué)習(xí)分類算法，利用特征向量信息以及關(guān)聯(lián)數(shù)據(jù)集中特有的已存鏈接信息對數(shù)據(jù)集實體間關(guān)系進行有效分類。分類器生成過程中，一方面使用廣泛驗證有效的C4.