網(wǎng)絡(luò)表格間的關(guān)聯(lián)關(guān)系發(fā)現(xiàn).pdf

1、近年來(lái)，互聯(lián)網(wǎng)上涌現(xiàn)出大量結(jié)構(gòu)化的表格數(shù)據(jù)，網(wǎng)絡(luò)表格的價(jià)值不僅在于數(shù)據(jù)本身，還在于數(shù)據(jù)之間的關(guān)系。只有探測(cè)出表格之間潛在的關(guān)系，方能更好地利用這些結(jié)構(gòu)化的數(shù)據(jù)。然而，網(wǎng)絡(luò)表格的異構(gòu)性和不確定性給網(wǎng)絡(luò)表格間的關(guān)聯(lián)關(guān)系發(fā)現(xiàn)帶來(lái)很大的挑戰(zhàn)。本文提出發(fā)現(xiàn)網(wǎng)絡(luò)表格間的快照關(guān)系和參照關(guān)系，用于優(yōu)化查詢，在大數(shù)據(jù)環(huán)境下實(shí)時(shí)地返回部分查詢結(jié)果，以及幫助實(shí)現(xiàn)數(shù)據(jù)融合系統(tǒng)中的開(kāi)放式查詢。
　　論文提出快照關(guān)系發(fā)現(xiàn)的理論模型和算法，給出基于實(shí)體和屬性重

2、合度的評(píng)分方法，并引入實(shí)體新鮮度的概念，使得算法在快照關(guān)系的發(fā)現(xiàn)過(guò)程中更多地關(guān)注能提供新鮮實(shí)體的表;與此同時(shí)，基于Bayes模型的表格內(nèi)容增強(qiáng)算法能更加準(zhǔn)確地判斷屬性列上值的一致性，達(dá)到提高快照關(guān)系檢測(cè)準(zhǔn)確率的目的。大量實(shí)驗(yàn)表明，本文設(shè)計(jì)的發(fā)現(xiàn)快照關(guān)系的評(píng)分模型能發(fā)現(xiàn)高質(zhì)量的快照表，且在快照表上的查詢精度和召回率上表現(xiàn)較好。
　　論文提出基于概率模型的評(píng)分方法用于網(wǎng)絡(luò)表格之間的參照關(guān)系發(fā)現(xiàn)，引入實(shí)體對(duì)給定表的權(quán)重，使得算法在參照關(guān)