多Web数据源环境下的重复实体识别方法研究

• 作者: 刘伟 肖建国
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: Web实体 重复实体识别 Web数据集成 迭代训练
• 年，卷（期）: 2010,（7）
• 页码范围: 599-607
• 分类号: TP301
• 字数: 5978字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2010.07.003

摘要

Web中大量可访问的数据源为人们获取有用的信息带来了极大的便利.作为Web数据源集成的一个必要的步骤,需要将存在于不同数据源表达形式各异的重复Web实体准确地识别出来.在已有的重复实体识别的工作中,主要是在两个数据源之间进行.由于Web数据源数量众多,使得这些方法无法应用于多个Web数据源之间的重复实体识别.针对这个问题提出了一种基于迭代训练的Web重复实体识别方法,可以在较小规模的训练样本上实现在多个Web数据源上的重复实体识别.通过在图书和计算机产品两个不同领域中多个Web数据源上的广泛实验,表明了提出方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伟	北京大学计算机科学技术研究所	370	2477	19.0	44.0
2	肖建国	北京大学计算机科学技术研究所	30	478	12.0	21.0