鏈接數(shù)據(jù)中對(duì)象的類(lèi)型預(yù)測(cè).pdf

1、在鏈接數(shù)據(jù)中，對(duì)象的類(lèi)型信息對(duì)于鏈接數(shù)據(jù)的挖掘與利用具有非常重要的價(jià)值。然而對(duì)象類(lèi)型缺失問(wèn)題在鏈接數(shù)據(jù)中普遍存在。如何確定對(duì)象缺失的類(lèi)型成為數(shù)據(jù)科學(xué)領(lǐng)域亟待解決的問(wèn)題。傳統(tǒng)的類(lèi)型推理的研究能夠通過(guò)邏輯推理找到缺失類(lèi)型對(duì)象的類(lèi)型信息，但鏈接數(shù)據(jù)概念層和實(shí)例層中的噪音會(huì)在類(lèi)型推斷過(guò)程中引發(fā)錯(cuò)誤的傳播，從而使得類(lèi)型推斷失效?；跈C(jī)器學(xué)習(xí)的類(lèi)型預(yù)測(cè)方法目前正在得到研究者的關(guān)注。由于鏈接數(shù)據(jù)中存在大量的文本信息和鏈接關(guān)系，本文提出了基于文本的類(lèi)型

2、預(yù)測(cè)方法和基于鏈接關(guān)系的類(lèi)型預(yù)測(cè)方法。
　　在基于文本的類(lèi)型預(yù)測(cè)方法中，本文提出了對(duì)象圖和類(lèi)型虛擬文檔這兩個(gè)概念。對(duì)象圖模型將多模式的RDF圖簡(jiǎn)化為單模式圖，對(duì)預(yù)測(cè)過(guò)程中的信息抽取和分類(lèi)算法更為友好。類(lèi)型虛擬文檔由對(duì)象圖中進(jìn)行文本抽取所得，包含了對(duì)對(duì)象類(lèi)型具有指示性的文本信息。一個(gè)對(duì)象的類(lèi)型虛擬文檔由多個(gè)子文檔構(gòu)成。按照每個(gè)子文檔對(duì)類(lèi)型的指示性，本文提出了四種不同的子文檔權(quán)重分配策略。
　　在基于鏈接關(guān)系的類(lèi)型預(yù)測(cè)方法中，本