大規(guī)模鏈接開放模式的構建及其在軟件工程中的應用.pdf_第1頁
已閱讀1頁,還剩81頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,隨著語義技術的發(fā)展,越來越多的鏈接開放數據(Linked Open Data,LOD)被發(fā)布到互聯(lián)網上?;ヂ?lián)網正從原來的網頁之間的“文檔互聯(lián)網”轉向結構知識互聯(lián)的“數據萬維網”。然而,盡管目前公開的LOD數據集中有數以億記的三元組和實體,但其中的層次化知識和模式層的公理卻非常有限。
  為了填補輕量級的LOD數據和重量級本體表達之間的鴻溝,本文提出了鏈接開放模式(Linked Open Schema)的概念,并將其作為LO

2、D數據的一種補充。本文以21個流行的英文社交站點中收集的類別和標簽作為數據源,使用機器學習的方法,自動挖掘類別和標簽的語義關系(如上下位關系,同義關系和相關性關系),構建了一個大規(guī)模的英文鏈接開放模式。在此基礎上,本文將上下位關系挖掘的方法應用于軟件工程領域,并針對Stackoverflow這一特殊的數據集,在機器學習框架內加入了新的特征,構建了一個軟件編程概念網絡。
  本文的主要貢獻和創(chuàng)新點包括:
  1)研究提出了異構

3、數據源的統(tǒng)一語義表示的方法。該方法分析數據源中概念的常見構詞方法,對其進行分詞并結構化,提取出中心詞和修飾詞,完成對概念的結構化表示;利用維基百科,將所有的類別和標簽統(tǒng)一映射到維基百科中的概念,同時加入概念的上下層次和共現信息,以此作為概念的上下文表示。
  2)研究提出了基于統(tǒng)一表示的多種語義關系度量。針對已有的LOD數據集中的數據,分析各種語義關系的數據對之間的內在語義和外在形式的特點,提出了基于外部知識庫的語義計算方法,分析

4、不同知識庫的優(yōu)劣,并能結合多種方法,最大限度地保證準確率和覆蓋率;特別的,還將研究基于語義轉換的語義關系度量方法,定量衡量語義關系。此外,還利用社交網站中概念的共現信息,提出基于統(tǒng)計的語義相關性度量方法。
  3)研究提出了僅利用少量訓練數據和全局結構信息的語義關系發(fā)現的方法。本文將關系發(fā)現問題轉換成機器學習中的分類問題,為了解決訓練數據的不足,本文采用了一種迭代的半監(jiān)督的學習框架,并利用規(guī)則和全局結構信息,進行誤分類和冗余的過濾

5、,保證了迭代過程中發(fā)現的關系的質量。
  作為上述研究的成果,本文構建和發(fā)布了兩個大規(guī)模鏈接開放模式:Zhishi.schema,這是第一個公開的中英文鏈接開放模式數據集,包含了25,474個同義關系,1,047,801個上下位關系和1,327,631個相關關系;Software.zhishi.schema,一個大規(guī)模軟件編程概念網絡,包含了57,322個概念以及36,249個上下位關系和23,811個同義關系。相比于傳統(tǒng)的數據集

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論