互聯(lián)網(wǎng)表格數(shù)據(jù)的語義恢復(fù).pdf

1、互聯(lián)網(wǎng)上數(shù)據(jù)急速膨脹的今天，越來越多基于海量數(shù)據(jù)的服務(wù)涌現(xiàn)出來，表格數(shù)據(jù)因其良好的結(jié)構(gòu)化特性和豐富的語義信息日益受到人們的重視。但是，互聯(lián)網(wǎng)上表格數(shù)據(jù)的不確定性、不規(guī)范性和異構(gòu)性，使得計(jì)算機(jī)很難能夠直接理解表格數(shù)據(jù)本身包含的語義信息，導(dǎo)致大量有意義的表格數(shù)據(jù)無法被人們利用。因此，研究如何盡可能恢復(fù)互聯(lián)網(wǎng)表格數(shù)據(jù)的語義信息以便于計(jì)算機(jī)理解具有重要意義。
　　目前，國內(nèi)外對于語義恢復(fù)的研究還處于起步階段，現(xiàn)有算法僅針對表格的列標(biāo)簽恢復(fù)

2、和單個類主鍵的檢測，對于包含多個類主鍵的表格采取丟棄的策略，也無法檢測表格數(shù)據(jù)之間的參照關(guān)系。然而，這些被丟棄的表格往往包含了更加豐富的語義信息，如果能夠發(fā)現(xiàn)互聯(lián)網(wǎng)表格數(shù)據(jù)之間的參照關(guān)系，可以對表格的檢索結(jié)果產(chǎn)生很大幫助。本文針對互聯(lián)網(wǎng)表格數(shù)據(jù)的語義恢復(fù)問題展開研究，主要工作如下:
　　(1)對現(xiàn)有列標(biāo)簽恢復(fù)算法進(jìn)行改進(jìn)，綜合考慮概念-實(shí)體之間的后驗(yàn)概率以及概念的重要性，以便過濾掉對表格不重要的一些概念，能夠在一定程度上提高列標(biāo)簽

3、恢復(fù)的精度。
　　(2)改進(jìn)現(xiàn)有的類主鍵檢測算法，提出可能度的概念，綜合考慮概念-屬性之間的后驗(yàn)概率和概念作為該列列標(biāo)簽的可能性，按照可能度大小為候選列標(biāo)簽排序，提高類主鍵檢測的準(zhǔn)確度。
　?。?)針對包含多個類主鍵的聯(lián)系表，我們首先計(jì)算表格之間的語義相似度，將語義相似度作為二部圖的邊權(quán)值，接著利用加權(quán)二部圖進(jìn)行資源分配，為聯(lián)系表推薦符合語義的實(shí)體表的類主鍵集合作為類外鍵，從而檢測出互聯(lián)網(wǎng)表格數(shù)據(jù)之間參照關(guān)系。
　　實(shí)