知識(shí)圖譜的數(shù)據(jù)清理和應(yīng)用探索.pdf

1、知識(shí)圖譜與知識(shí)庫在很多類型的應(yīng)用中被廣泛使用，例如語義網(wǎng)絡(luò)，機(jī)器翻譯，查詢擴(kuò)展，文本分類等。此外，分類知識(shí)庫也在數(shù)據(jù)清理，實(shí)體解析，信息集成領(lǐng)域扮演著重要的角色。隨著知識(shí)圖譜中實(shí)體與關(guān)系規(guī)模的持續(xù)增長，一方面知識(shí)圖譜本身可能存在著數(shù)據(jù)質(zhì)量問題，另一方面，如何對(duì)海量數(shù)據(jù)進(jìn)行存儲(chǔ)、應(yīng)用是對(duì)知識(shí)圖譜研究的一個(gè)巨大挑戰(zhàn)。
　　針對(duì)上述挑戰(zhàn)，本文研究了知識(shí)圖譜上的數(shù)據(jù)清理問題并且對(duì)知識(shí)圖譜的存儲(chǔ)、應(yīng)用做了一定程度的探索。本文工作分為兩大塊:

2、
　　首先針對(duì)大規(guī)模實(shí)體網(wǎng)絡(luò)中數(shù)據(jù)清理的挑戰(zhàn)，通過分析知識(shí)圖譜，我們發(fā)現(xiàn)在大規(guī)模知識(shí)圖譜中存在著“孤兒概念”這樣的數(shù)據(jù)問題。本文中就此問題提出了首先基于統(tǒng)計(jì)實(shí)驗(yàn)的算法來找到這些存在問題的概念實(shí)體，并且通過一系列自然語言與機(jī)器學(xué)習(xí)的方法為這些存在問題的概念實(shí)體進(jìn)行清理。實(shí)驗(yàn)證明，我們基于統(tǒng)計(jì)實(shí)驗(yàn)的算法的確可以找到“孤兒概念”并且可以有效的進(jìn)行清理，從而增加了知識(shí)圖譜的準(zhǔn)確性。而后對(duì)于本文對(duì)大規(guī)模網(wǎng)絡(luò)存儲(chǔ)以及應(yīng)用進(jìn)行了探索，利用了重新