检索结果-内蒙古大学图书馆

计算机学报 2015年第9期38卷 1755-1766页

作者：陈肇强李佳俊蒋川刘海龙陈群李战怀西北工业大学计算机学院西安710072

大数据环境下,数据缺失现象十分普遍,导致许多基于数据的决策出现偏差.传统的数据库缺失值修复方法主要是利用本地数据库来修复数值型数据,这些方法并不适用于利用互联网数据来修复数值型和非数值型数据.基于互联网的缺失值修复过程一... 详细信息

大数据环境下,数据缺失现象十分普遍,导致许多基于数据的决策出现偏差.传统的数据库缺失值修复方法主要是利用本地数据库来修复数值型数据,这些方法并不适用于利用互联网数据来修复数值型和非数值型数据.基于互联网的缺失值修复过程一般包括生成查询、检索文档集、抽取实体、实体排序4个步骤,其中候选实体的排序决定了最终用于修复数据库的信息.现有的利用互联网数据来修复缺失数据的研究主要集中在两个方面:一是提升查询和抽取的质量,然后对抽取的候选实体按频率进行排序;另一种是分析目标实体应该具有的特征,然后对候选实体计算特征值,最后用权值叠加进行排序.这两类方法都只是考虑了实体自身的因素,而忽略了实体之间的影响.文中针对候选实体的排序建立了图模型,基于该图模型提出了上下文相关的实体排序算法CER(Contextaware Entity Ranking),该算法能够把候选实体在网页中的上下文特征充分利用起来并用实体间的影响来推断新信息,从而得到更准确的排序结果.基于真实数据集的实验结果表明,相较于频率统计和权值叠加的实体排序算法,CER算法能利用互联网的海量数据对关系数据库中的缺失值进行更加有效的修复.

关键词：数据库缺失值修复互联网图实体排序

来源：评论

学校读者我要写书评

暂无评论

相关实体发现中基于Wikipedia的实体排序

引用

计算机研究与发展 2014年第6期51卷 1359-1372页

作者：张俊三瞿有利税仪冬田盛丰北京交通大学计算机与信息技术学院北京100044 中国石油大学计算机与通信工程学院山东青岛266580

针对相关实体发现中基于Wikipedia的实体排序存在的问题:半自动的目标类型获取、粗粒度的目标类型、实体类型相关度二值判断、实体关系相关度计算未考虑停止词作用.设计了一个实体排序框架,从实体相关度、实体类型相关度和实体关系相关... 详细信息

针对相关实体发现中基于Wikipedia的实体排序存在的问题:半自动的目标类型获取、粗粒度的目标类型、实体类型相关度二值判断、实体关系相关度计算未考虑停止词作用.设计了一个实体排序框架,从实体相关度、实体类型相关度和实体关系相关度3方面的组合计算来对实体进行排序,通过对比多种组合方法获取了最优的方法.提出了一种新的实体类型相关度计算方法,该方法可以自动获取细粒度的目标实体类型,并通过归纳学习获取其下义Wikipedia类别判别规则集合,通过统计候选实体类别信息中符合目标类型下义类别判别规则的类别数来计算实体类型相关度.提出了一种"去停止词重构关系"方法计算候选实体和源实体的关系相关度.实验表明提出的方法可以有效地提高实体排序效果并且降低计算时间耗费.

关键词：相关实体发现实体排序实体类型相关度实体关系相关度 Wikipedia

来源：评论

学校读者我要写书评

暂无评论

主题和时间敏感的合作关系网络实体排序算法

引用

小型微型计算机系统 2011年第11期32卷 2198-2203页

作者：朱沿旭王怀民尹刚史殿习王涛袁霖国防科学技术大学计算机学院长沙410073 国防科学技术大学并行与分布处理国家重点实验室长沙410073 信息工程大学电子技术学院郑州450004

提出一种基于马尔可夫链的主题和时间敏感的合作关系网络实体排序算法TTS-Rank,将节点排序过程解释为随机投票过程.算法首先将合作关系网络按照合作主题进行投影,然后在马尔可夫链随机游走模型中扩展了合作时间敏感的状态转移函数,最后... 详细信息

提出一种基于马尔可夫链的主题和时间敏感的合作关系网络实体排序算法TTS-Rank,将节点排序过程解释为随机投票过程.算法首先将合作关系网络按照合作主题进行投影,然后在马尔可夫链随机游走模型中扩展了合作时间敏感的状态转移函数,最后根据迭代计算出的各节点得票数对实体进行排序.基于互联网开源社区合作关系网络数据的实验表明,TTS-Rank算法较传统算法更为精确,能有效支持面向不同技术主题、不同时间区间的实体排序.

关键词：合作关系网络实体排序马尔可夫链主题和时间敏感

来源：评论

学校读者我要写书评

暂无评论

基于前向分步算法的文档实体排序

引用

华东师范大学学报（自然科学版） 2018年第1期 91-102,145页

作者：王燕华华东师范大学数据科学与工程学院上海200062

文档中的关键实体可以抽象概括文本所描述的事件(或话题)的主体,推动面向实体的检索和问答系统等方面的研究.然而,文档中的实体是无序的,对文本中的实体进行排序显得尤为重要.提取文本实体特征并借助维基百科和词汇分布表示引入外部特征... 详细信息

文档中的关键实体可以抽象概括文本所描述的事件(或话题)的主体,推动面向实体的检索和问答系统等方面的研究.然而,文档中的实体是无序的,对文本中的实体进行排序显得尤为重要.提取文本实体特征并借助维基百科和词汇分布表示引入外部特征,提出了一种基于前向分步算法(Forward Stagewise Algorithm,FSAM)的排序模型LA-FSAM(FSAM based on AUC Metric and Logistic Function).该模型利用曲线下面积(Area Under the Curve,AUC)准则构造损失函数,逻辑斯谛函数整合实体特征,最后使用随机梯度下降法求解模型参数.通过LA-FSAM与基线方法的实验对比证明了所提方法的有效性.

关键词：实体排序前向分步算法曲线下面积逻辑斯谛函数随机梯度下降

来源：评论

学校读者我要写书评

暂无评论

一种基于图结构的Web实体排序方法

引用

计算机科学 2014年第5期41卷 219-222页

作者：徐曜赵政文陈群刘海龙杜晶胡嘉琪李战怀西北工业大学计算机学院西安710129

现阶段,用户常常希望利用搜索引擎获得期望的实体,然而传统搜索引擎只能返回包含关键字的多个文档,并不能直接返回用户想要的答案,且现有的实体排序技术主要采用权值叠加的方法,需要很多先验知识对权值进行训练。文中从搜索引擎返回的... 详细信息

现阶段,用户常常希望利用搜索引擎获得期望的实体,然而传统搜索引擎只能返回包含关键字的多个文档,并不能直接返回用户想要的答案,且现有的实体排序技术主要采用权值叠加的方法,需要很多先验知识对权值进行训练。文中从搜索引擎返回的文档中提取多个候选实体,并提出一种基于图结构的算法PERA(Probabilistic Entity Ranking Algorithm),利用随机游走的思想,在不需要知道相关先验知识的情况下,将候选实体排序。经过实验验证,各个类型的正确实体均有着较高的排序分值。

关键词： Web 实体排序搜索引擎图

来源：评论

学校读者我要写书评

暂无评论

基于LibreCAD的电火花线切割CAM实体排序算法研究

引用

电加工与模具 2017年第5期 22-25页

作者：沈桂旭夏蔚文陶旭牧野赵万生上海交通大学机械与动力工程学院机械系统与振动国家重点实验室上海200240

在电火花线切割CAM软件的开发过程中,针对DXF文件的实体排序问题,提出了基于Libre CAD文件读取的实体排序算法,可同时实现封闭图形、非封闭图形及多图形文件的实体排序。通过分析DXF文件中实体自身的排序特点,提出了一种用于处理大数据... 详细信息

在电火花线切割CAM软件的开发过程中,针对DXF文件的实体排序问题,提出了基于Libre CAD文件读取的实体排序算法,可同时实现封闭图形、非封闭图形及多图形文件的实体排序。通过分析DXF文件中实体自身的排序特点,提出了一种用于处理大数据量实体搜索的记忆搜索算法,基于前一步搜索的实体进行区域内智能搜索。经过数值计算及实际测试对比,记忆搜索算法能实现高适应性、高准确率、高效率的实体搜索与排序。

关键词：电火花线切割加工 CAM软件 DXF文件实体排序记忆搜索算法

来源：评论

学校读者我要写书评

暂无评论

新闻文档实体重要性排序研究

引用

图书情报工作 2018年第11期62卷 97-102页

作者：陆娜周鹏程武川海南师范大学信息科学技术学院海口571158 武汉大学信息管理学院武汉430072

[目的／意义]现有新闻文档实体排序研究大多以文档或实体为中心，如文本分类、实体链接等，关注实体在文本中的重要性的研究较少，本研究探讨基于重要性的新闻文档实体排序。[方法／过程]给定一篇文档，判断文档中实体相对文档而言的重... 详细信息

[目的／意义]现有新闻文档实体排序研究大多以文档或实体为中心，如文本分类、实体链接等，关注实体在文本中的重要性的研究较少，本研究探讨基于重要性的新闻文档实体排序。[方法／过程]给定一篇文档，判断文档中实体相对文档而言的重要性，并基于此对实体进行排序。在搜狗全网新闻数据集上进行实验，并利用NDCG和逆序对比率两个指标对实体排序结果进行评价。[结果／结论]实验结果表明，基于实体频率、TF＊IDF、信息熵、TextRank等的方法以及集成方法都达到了较好的效果，基于聚集系数的方法效果一般。其中基于TF＊IDF的方法NDCG值为95．86％，是该指标下的最好结果；基于集成方法的逆序对比率值为84．46％，是该指标下的最好结果。

关键词：新闻文档实体重要性实体排序

来源：评论

学校读者我要写书评

暂无评论

面向导游词的景区地理实体显著性排序方法

引用

地理与地理信息科学 2022年第3期38卷 9-16页

作者：吴越张翎龙毅南京师范大学地理科学学院/虚拟地理环境教育部重点实验室江苏南京210023 江苏省地理信息资源开发与利用协同创新中心江苏南京210023

地理实体显著性排序是面向自然语言的层次化场景认知研究的重要内容之一。导游词作为系统描述特定景区环境、景点与重要资源的自然语言形式,包含大量的景区地理实体,但传统实体排序方法忽视了地理空间信息的重要作用,难以处理地理实体... 详细信息

地理实体显著性排序是面向自然语言的层次化场景认知研究的重要内容之一。导游词作为系统描述特定景区环境、景点与重要资源的自然语言形式,包含大量的景区地理实体,但传统实体排序方法忽视了地理空间信息的重要作用,难以处理地理实体特有的非结构化或半结构化地理空间特征。该文提出一种面向导游词的景区地理实体显著性排序(Geographic Entity Significance Ranking,GESR)模型,通过分析包含空间拓扑关系、模糊形态描述在内的景区地理实体相关特征构建目标排序函数,迭代生成基于样本误差分布与随机梯度下降法的弱学习器,再通过加权平均集成与降误差剪枝获得提升后的强学习器,即排序模型。利用中文导游词文本对模型进行验证,结果表明:1)与3种基线方法对比,GESR模型的归一化折损累积增益达0.8841,AUC达0.7579,排序性能最优;2)空间拓扑关系和模糊形态描述特征对GESR模型的影响最显著;3)相比人群关注热度,GESR模型对导游词中地理实体空间特征的反映能力更强。

关键词：导游词地理实体显著性实体排序空间拓扑关系模糊形态描述

来源：评论

学校读者我要写书评

暂无评论

基于事件或话题下文档的实体重要性排序

基于事件或话题下文档的实体重要性排序

引用

作者：王燕华华东师范大学

学位级别：硕士

在互联网时代背景下,新型网络媒体的蓬勃发展使得人们可以方便有效的共享海量信息。目前,新型网络媒体积累了大量文本数据,这些数据中记录着社会发展过程中重要的舆情事件和热门讨论话题。通过监测网络舆情,政府、群众以及相关部门可以... 详细信息

在互联网时代背景下,新型网络媒体的蓬勃发展使得人们可以方便有效的共享海量信息。目前,新型网络媒体积累了大量文本数据,这些数据中记录着社会发展过程中重要的舆情事件和热门讨论话题。通过监测网络舆情,政府、群众以及相关部门可以了解我国社会现状并及时发现社会存在的问题。同时,舆情监测还可以帮助相关政府部门科学管理并做出科学决策。因此,如何从海量网络文本数据中检测出事件或话题成为一个重要并有现实意义的研究课题。而对于事件或话题下的文本,重要实体可以抽象概括文本中所描述的主体。本文基于海量网络新闻数据,检测热门事件和热门话题并抽取文本关键实体概括事件主要元素。本文主要工作包括以下几个方面:·本文通过度量学习方法重新定义新闻文本相似度计算方式;针对海量、无序、冗余的网络新闻文本数据,提出基于主题的事件检测方法ToED。该方法应用主题模型学习文档主题分布,对于任意主题下的文档集合,提出基于密度的事件聚类方法ESACN来检测热门事件。·针对文档重要实体选择问题,本文提出了一种基于前向分步算法的重要实体排序模型LA-FSAM。该算法不仅考虑实体在文档中的重要特征,还通过维基百科和谷歌Word2Vec引入实体外部特征对实体进行排序。该模型运用改进的AUC准则构造损失函数,通过标注训练数据并利用随机梯度下降法学习模型参数。通过LA-FSAM与基线方法的实验对比证明了我们所提方法的有效性。·本文设计并实现了社会热点舆情分析展示系统(KSPOS),该系统提供了基于事件或话题的检索功能。为了向用户展示全面广泛的搜索结果,系统挑选重要实体并挖掘实体语义关系,构建舆情事件语义网络,同时,系统抽取文档集合关键词抽象概括事件或话题描述内容,生成事件时间线充分展示事件发展过程。

关键词：事件检测实体排序舆情分析

来源：评论

学校读者我要写书评

暂无评论

Web中相关实体发现研究

Web中相关实体发现研究

引用

作者：张俊三北京交通大学

学位级别：博士

随着Internet和信息检索技术的迅猛发展,Web成为人们获取信息的重要途径,而搜索引擎则成为从Web中获取信息的重要工具。传统的搜索方式是：用户向搜索引擎(比如Google、百度)提交查询,搜索引擎则依据提交的查询给用户返回一组相关文档... 详细信息

随着Internet和信息检索技术的迅猛发展,Web成为人们获取信息的重要途径,而搜索引擎则成为从Web中获取信息的重要工具。传统的搜索方式是：用户向搜索引擎(比如Google、百度)提交查询,搜索引擎则依据提交的查询给用户返回一组相关文档列表。但是很多时候用户需求的并不是文档本身,而是文档中包含的实体信息。因此如何从众多的Web文档中找到用户需求的实体信息成为近年来的研究热点,而相关实体发现研究正是针对用户的这种特殊实体查询需求而产生。相关实体发现是指给定一个由源实体、目标类型和源实体与目标实体的关系描述构成的查询,找到符合要求的一组实体。返回的实体需要满足查询要求的类型,但是给定的目标类型经常非常粗糙,这导致无法对得到的实体进行准确的类型判断,针对这个问题我们做了如下的工作： 1)提出一种自动获取细粒度目标类型及其下义种子实体的方法。通过对查询语句的句法分析获取细粒度目标类型,利用查询模板获取目标类型的下义种子实体。 2)提出一种基于归纳法的细粒度目标类型下义类别判别规则集合获取方法,对于数量较少的种子实体,利用归纳法获取细粒度目标类型的下义类别判别规则集合。 3)提出一种基于特征提取的细粒度目标类型下义类别判别规则集合获取方法,对于数量较多的种子实体,利用学习到的最佳特征提取方法获取细粒度目标类型的下义类别判别规则集合。由于初始检索到的候选实体是无序的,要想得到满足用户查询要求的实体,必须对所有的候选实体进行排序,针对该问题我们做了如下的工作： 1)提出了一种基于生成概率模型的实体排序方法。从实体相关度、实体类型相关度和实体关系相关度三方面的组合计算来对实体进行排序,通过对比多种组合方法,获取最佳的排序方法。对于实体类型相关度的计算使用了两种方法,一种方法是基于归纳法获取的细粒度目标类型下义类别判别规则集合,利用不同的规则集合数进行实体类型相关度计算,另一种方法是基于特征提取方法获取的细粒度目标类型下义类别判别规则集合。对于实体关系相关度计算,评估了两种平滑方法对实体排序的影响,并提出了一种去停止词重构关系的实体关系相关度计算方法,提高了排序效果并降低了时间耗费。 2)提出了一种基于马尔可夫随机场的实体排序方法。该方法将实体用文档、类型和名称三个属性表示,利用学习到的最佳权重参数通过线性合并查询与候选实体表示文档的相关度、目标类型与候选实体类型的相关度以及源实体与候选实体名称的相关度来对实体进行排序。相关实体发现任务中,实体被定义为由其唯一的主页所表示,因此对所有的候选实体排序后,还要找到实体的主页。针对实体的主页查找问题,提出了一种查找方法,通过合并Web页面的多属性表示得分和实体的Wikipedia页面外部链接得分来实现实体的主页查找。实验结果表明,我们提出的方法可以有效的完成相关实体发现任务,大量的减少用户人工获取相关实体信息的工作,并为用户提供一个有效的结果。

关键词：相关实体发现类型细化实体排序主页查找文本特征提取语言模型维基百科

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：