構建中文社交網(wǎng)絡關聯(lián)數(shù)據(jù).pdf

1、隨著關聯(lián)開放數(shù)據(jù)項目的發(fā)展，越來越多領域的知識庫以關聯(lián)數(shù)據(jù)的形式發(fā)布出來，關聯(lián)數(shù)據(jù)在智能服務方面得到了越來越廣泛的應用，例如實體搜索，個性化推薦等。但是中文關聯(lián)數(shù)據(jù)發(fā)展較慢，目前只有少數(shù)幾個領域的關聯(lián)數(shù)據(jù)。本文提出了一種構建中文社交網(wǎng)絡關聯(lián)數(shù)據(jù)的方法，并構建了第一個中文社交網(wǎng)絡關聯(lián)數(shù)據(jù)，該數(shù)據(jù)集包括兩個部分，一部分是具有時空維度的中文知識庫，另一部分是中文社交網(wǎng)絡事件關聯(lián)數(shù)據(jù)。相關的研究工作證明構建具有時空維度的知識庫具有重要的研究和應

2、用意義，但是目前還沒有這種類型的中文數(shù)據(jù)。本文從中文維基百科和百度百科中抽取信息，構建了第一個擁有時空維度的中文知識庫。中文社交網(wǎng)絡在近幾年呈爆發(fā)式發(fā)展，已迅速成為事件傳播和討論的重要途徑，從社交網(wǎng)絡中檢測事件已成為當前的研究熱點，從中文社交網(wǎng)絡文本中抽取熱點事件信息，并發(fā)布成關聯(lián)數(shù)據(jù)將具有重大意義。本文設計了一個基于中文知識庫的中文社交網(wǎng)絡事件檢測的方法，用于從社交網(wǎng)絡文本中抽取具有時空維度的事件信息。本文首先構建了一個具有時空維度的

3、中文知識庫，然后此知識庫為基礎，從中文社交網(wǎng)絡中抽取事件信息，再將抽取的事件信息存入中文社交網(wǎng)絡關聯(lián)數(shù)據(jù)，實現(xiàn)中文社交網(wǎng)絡關聯(lián)數(shù)據(jù)的不斷更新和擴展。
　　具體而言，本文包括以下四個研究內容:
　　1)參照YAGO model設計社交網(wǎng)路關聯(lián)數(shù)據(jù)的數(shù)據(jù)模型;
　　2)根據(jù)中文的特點，設計新的時空信息抽取算法，從中文維基百科和百度百科抽取信息，構建具有時空維度的知識庫;實現(xiàn)知識庫的內部匹配，并將知識庫與LOD關聯(lián)。

4、　　3)提出一種基于知識庫的中文社交網(wǎng)絡事件檢測算法。其中包括一種基于知識庫的實體識別和鏈接算法，一種適用于社交網(wǎng)絡文本的文本聚類算法，以及一種基于群體語義角色標注的事件信息抽取算法。
　　4)提出了一種適用于事實標識符的類SPARQL查詢語言，設計并實現(xiàn)該查詢語言到SPARQL的轉換算法。
　　本文總共從百科網(wǎng)站中抽取超過1200萬個用于描述一般世界的事實，其中包括102萬個時間維度的事實，26萬個地點維度的事實。實驗分析