

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),請進行舉報或認領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)的高速發(fā)展,網(wǎng)上數(shù)據(jù)量也呈指數(shù)級增長,Web已經(jīng)成為一個非常巨大的數(shù)據(jù)源。為了高效地利用Web上有效信息,研究者們提出了Web數(shù)據(jù)集成的概念。Web數(shù)據(jù)集成就是把分散在Web上各個站點的各種數(shù)據(jù)信息按照一定的聯(lián)系有機地組織到一起,挖掘數(shù)據(jù)中包含的深層信息,以滿足人們對集成數(shù)據(jù)的后續(xù)使用。由于Intemet上數(shù)據(jù)的新特點,動態(tài)性、多樣性、半結(jié)構(gòu)化和非結(jié)構(gòu)化等,使得從Internet上準確快速的集成有價值信息并為市場情報分析提供有
2、價值數(shù)據(jù)成為了一個巨大的挑戰(zhàn)。其中實體統(tǒng)一是Web信息集成框架中最關(guān)鍵問題之一。由于拼寫錯誤,縮寫等原因,導致數(shù)據(jù)抽取和模式匹配之后的數(shù)據(jù)集合中可能存在大量的相同表象指向不同實體或者不同表象指向同一實體的問題,這個問題大大影響了數(shù)據(jù)質(zhì)量。為了避免“進去的是垃圾,出來的也是垃圾(garbage in,garbage out)",必須盡力提高數(shù)據(jù)質(zhì)量。集成后的數(shù)據(jù)質(zhì)量的好壞直接影響到Web數(shù)據(jù)集成后捉供給用戶的服務質(zhì)量,因此,實體統(tǒng)一技術(shù)是
3、Web信息集成中必須研究的問題。
針對不同領(lǐng)域及其不同需求,Web上數(shù)據(jù)經(jīng)過數(shù)據(jù)抽取和模式匹配,存儲到數(shù)據(jù)庫中之后,待統(tǒng)一實體可能面臨兩種情況:一是單一類型實體,這種情況實體統(tǒng)一要解決的是單一類型實體表象之間的識別問題,主要從減少表象比較次數(shù)方面考慮;二是多類型實體,這種實體統(tǒng)一要對數(shù)據(jù)庫中所有類型實體都要進行識別,此時需要解決的問題是如何統(tǒng)一多類型實體的問題,使得實體統(tǒng)一結(jié)果之間互相促進,以達到比單獨統(tǒng)一每種類型實體更好
4、的結(jié)果。
木文的主要工作包括:
1)針對單類型實體的實體統(tǒng)一提出了一種高效的解決方案。首先提出了一種Blocking方法,將待統(tǒng)一的表象劃分為兩類,一是可能指向相同現(xiàn)實實體的不同表象,二是可能指向不同現(xiàn)實實體的相同表象。對兩種表象分別采用兩種不同的算法進行統(tǒng)一,存統(tǒng)一的過程中,兩類實體統(tǒng)一之間又會相互促進,進而大大提高實體統(tǒng)一的效率和準確性。
2)針對多類型實體的實體統(tǒng)一提出了一種新穎的解決方案
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向Web數(shù)據(jù)集成的實體統(tǒng)一技術(shù)研究.pdf
- 集成數(shù)據(jù)中實體統(tǒng)一技術(shù)的研究
- 集成數(shù)據(jù)中實體統(tǒng)一技術(shù)的研究.pdf
- Web信息集成中實體統(tǒng)一與模式匹配互促進的研究.pdf
- Web數(shù)據(jù)集成中實體演化與關(guān)聯(lián)問題研究.pdf
- 基于同義實體識別的Web數(shù)據(jù)集成.pdf
- Deep Web數(shù)據(jù)集成中的結(jié)果抽取及實體識別研究.pdf
- Web數(shù)據(jù)集成中數(shù)據(jù)清洗的關(guān)鍵問題研究.pdf
- 新中國成立以來祖國統(tǒng)一問題研究.pdf
- 杜夫海納美學中的主客體統(tǒng)一思想研究.pdf
- 面向Web數(shù)據(jù)集成的數(shù)據(jù)融合問題研究.pdf
- 杜夫海納美學中的主客體統(tǒng)一思想研究
- Deep Web數(shù)據(jù)集成系統(tǒng)中數(shù)據(jù)標注研究.pdf
- 面向Deep Web數(shù)據(jù)集成的數(shù)據(jù)融合問題研究.pdf
- Deep Web數(shù)據(jù)集成關(guān)鍵問題研究.pdf
- 我國企業(yè)所得稅統(tǒng)一問題的研究.pdf
- 吃玩網(wǎng)中Deep Web數(shù)據(jù)集成研究.pdf
- Deep Web 數(shù)據(jù)集成中模式匹配研究.pdf
- 論刑法中的主客體統(tǒng)一——兼論主客觀相統(tǒng)一原則.pdf
- Web信息集成中數(shù)據(jù)清洗的研究.pdf
評論
0/150
提交評論