作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
这篇论文是有关自动抽取诸如DBpedia语义集中如何理解关系和利用它们在语义查询中的问题。尽管DBpedia从Wikipedia上抽取语义数据在支持方便的导航和复杂查询已经取得了巨大的进步,然而对于抽取的数据上的浏览机制和关系组织还远远不能令人满意的。在这篇论文里,我们提出解决这些问题是过1)利用Wikipedia分类系统来帮助理解关系和查询约束选择。2)利用各种关系表示模型来探查similar/super/sub关系,以帮助用户在他们的查询中选择合适的关系。
推荐文章
维基百科链接网络实证分析
维基百科
无标度网络
bow-tie模型
基于维基百科的语义知识库及其构建方法研究
维基百科
语义挖掘
知识库
文本挖掘
基于维基百科的领域实体发现研究
领域实体
维基百科
隶属度
自动发现
基于中文维基百科的命名实体消歧方法
命名实体消歧
词义消歧
中文维基百科
中文信息处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于本体的维基百科语意抽取
来源期刊 商情 学科 社会科学
关键词 维基百科 语义 抽取 本体
年,卷(期) 2011,(34) 所属期刊栏目 理论探讨
研究方向 页码范围 75-75
页数 分类号 G255.9
字数 1620字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王磊 中国海洋大学图书馆 54 444 12.0 20.0
2 孙臻 中国海洋大学图书馆 4 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
维基百科
语义
抽取
本体
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
商情
周刊
chi
出版文献量(篇)
113702
总下载数(次)
468
总被引数(次)
21555
论文1v1指导