时间约束的实体解析中记录对排序研究

• 作者: 孙琛琛 李玉坤 申德荣 肖迎元 马建红
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 实体解析 记录对排序 时间约束 数据集成
• 年，卷（期）: 2020,（3）
• 页码范围: 695-709
• 页数: 15页
• 分类号: TP18
• 字数: 13679字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005900

摘要

实体解析是数据集成和数据清洗的重要组成部分,也是大数据分析与挖掘的必要预处理步骤.传统的批处理式实体解析的整体运行时间较长,无法满足当前(近似)实时的数据应用需求.因此,研究时间约束的实体解析,其核心问题是基于匹配可能性的记录对排序通过对多路分块得到的块内信息与块间信息分别进行分析,提出两个基本的记录匹配可能性计算方法.在此基础上,提出一种基于二分图上相似性传播的记录匹配可能性计算方法.将记录对、块及其关联关系构建二分图;相似性沿着二分图不断地在记录对结点与块结点之间传播,直到收敛.收敛结果可以通过不动点计算得到.提出近似的收敛计算方法来降低计算代价,从而保证实体解析的实时召回率.最后,在两个数据集上进行实验评价,验证了所提出方法的有效性,并测试方法的各个方面.