Web中相關實體發(fā)現(xiàn)研究.pdf

1、隨著Internet和信息檢索技術的迅猛發(fā)展，Web成為人們獲取信息的重要途徑，而搜索引擎則成為從Web中獲取信息的重要工具。傳統(tǒng)的搜索方式是:用戶向搜索引擎（比如Google、百度）提交查詢，搜索引擎則依據(jù)提交的查詢給用戶返回一組相關文檔列表。但是很多時候用戶需求的并不是文檔本身，而是文檔中包含的實體信息。因此如何從眾多的Web文檔中找到用戶需求的實體信息成為近年來的研究熱點，而相關實體發(fā)現(xiàn)研究正是針對用戶的這種特殊實體查詢需求而產生

2、。相關實體發(fā)現(xiàn)是指給定一個由源實體、目標類型和源實體與目標實體的關系描述構成的查詢，找到符合要求的一組實體。
　　返回的實體需要滿足查詢要求的類型，但是給定的目標類型經常非常粗糙，這導致無法對得到的實體進行準確的類型判斷，針對這個問題我們做了如下的工作:
　　1)提出一種自動獲取細粒度目標類型及其下義種子實體的方法。通過對查詢語句的句法分析獲取細粒度目標類型，利用查詢模板獲取目標類型的下義種子實體。
　　2)提出一種基

3、于歸納法的細粒度目標類型下義類別判別規(guī)則集合獲取方法，對于數(shù)量較少的種子實體，利用歸納法獲取細粒度目標類型的下義類別判別規(guī)則集合。
　　3)提出一種基于特征提取的細粒度目標類型下義類別判別規(guī)則集合獲取方法，對于數(shù)量較多的種子實體，利用學習到的最佳特征提取方法獲取細粒度目標類型的下義類別判別規(guī)則集合。
　　由于初始檢索到的候選實體是無序的，要想得到滿足用戶查詢要求的實體，必須對所有的候選實體進行排序，針對該問題我們做了如下的工

4、作:
　　1)提出了一種基于生成概率模型的實體排序方法。從實體相關度、實體類型相關度和實體關系相關度三方面的組合計算來對實體進行排序，通過對比多種組合方法，獲取最佳的排序方法。對于實體類型相關度的計算使用了兩種方法，一種方法是基于歸納法獲取的細粒度目標類型下義類別判別規(guī)則集合，利用不同的規(guī)則集合數(shù)進行實體類型相關度計算，另一種方法是基于特征提取方法獲取的細粒度目標類型下義類別判別規(guī)則集合。對于實體關系相關度計算，評估了兩種平滑方法

5、對實體排序的影響，并提出了一種去停止詞重構關系的實體關系相關度計算方法，提高了排序效果并降低了時間耗費。
　　2)提出了一種基于馬爾可夫隨機場的實體排序方法。該方法將實體用文檔、類型和名稱三個屬性表示，利用學習到的最佳權重參數(shù)通過線性合并查詢與候選實體表示文檔的相關度、目標類型與候選實體類型的相關度以及源實體與候選實體名稱的相關度來對實體進行排序。
　　相關實體發(fā)現(xiàn)任務中，實體被定義為由其唯一的主頁所表示，因此對所有的候選實