知识图谱中实体相似度计算研究

• 作者: 李阳 高大启
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 实体相似度 监督学习 分类模型 集成学习
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 140-146,154
• 页数: 8页
• 分类号: TP391
• 字数: 6318字
• 语种: 中文

摘要

实体相似度的计算有诸多应用,例如,电商平台的相似商品推荐,医疗疗效分析中的相似病人组等.在知识图谱的实体相似度计算中,给出了每个实体的属性值,并对部分实体进行相似度的标注,要求能得到其他实体之间的相似度.该文把该问题归结为监督学习问题,提出一种通用的实体相似度计算方法,通过清洗噪声数据,对数值、列表以及文本等不同数据类型进行预处理,使用SVM,Logistic回归等分类模型、Random Forest等集成学习模型以及排序学习模型进行建模,得到了较好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高大启	华东理工大学计算机科学与工程系	39	472	11.0	21.0
2	李阳	华东理工大学计算机科学与工程系	3	12	1.0	3.0