數(shù)據(jù)萬維網(wǎng)自動實體匹配.pdf

1、隨著數(shù)據(jù)萬維網(wǎng)的逐步成形,大規(guī)模自動實體匹配成為一個急需完成的重大任務。該任務旨在將萬維網(wǎng)上來自不同數(shù)據(jù)集,卻有著同樣意義的實體進行匹配,從而使網(wǎng)絡程序在探索、查詢、篩選、匯總多個來源的數(shù)據(jù)時能夠得到更為完整和正確的操作結(jié)果。它關(guān)系到大量網(wǎng)絡應用的性能和用戶體驗,這些應用包括搜索、瀏覽和各種采用混合技術(shù)搭建的網(wǎng)絡程序(Mashup)。然而,在進行這種數(shù)據(jù)整合的工作過程中我們將會遇到幾大挑戰(zhàn)。首先,我們需要一個可擴展的解決方案,它既能在合

2、理的時間內(nèi)處理海量的萬維網(wǎng)數(shù)據(jù),又能保證足夠的整合效果(如準確率和召回率)。其次,現(xiàn)在還很難對這類解決方案進行評測,因為目前還沒有一個實體匹配評測標準能夠反映出萬維網(wǎng)數(shù)據(jù)的多樣性。本文針對以上這些挑戰(zhàn)深入研究數(shù)據(jù)萬維網(wǎng)實體匹配這一課題,并提出一個二階段的實體匹配方案,即首先對所有實體進行分塊,將有可能具有相同意義的實體分到同一個塊中;再在每一個分塊內(nèi)部根據(jù)實體的局部結(jié)構(gòu)特性對同義的個體進行聚類。實驗證明,該方案具有良好的擴展性,并能達到