應(yīng)用于網(wǎng)上圖書(shū)領(lǐng)域的Deep Web實(shí)體識(shí)別.pdf

1、建立Deep Web集成系統(tǒng)是目前的研究熱點(diǎn)，但由于不同網(wǎng)站對(duì)同一實(shí)體的數(shù)據(jù)描述在表現(xiàn)形式上存在著差別，導(dǎo)致冗余信息多，給用戶(hù)的查詢(xún)帶來(lái)不便。實(shí)體識(shí)別是Deep Web集成系統(tǒng)中一個(gè)至關(guān)重要的環(huán)節(jié)，它的目的就是去掉結(jié)果中的重復(fù)數(shù)據(jù)，即降低數(shù)據(jù)的冗余度。本文主要對(duì)Deep Web數(shù)據(jù)集成中的實(shí)體識(shí)別進(jìn)行了深入的研究。
　　 針對(duì)中文圖書(shū)領(lǐng)域Deep Web實(shí)體識(shí)別，通過(guò)分析各個(gè)網(wǎng)站對(duì)圖書(shū)信息的描述形式，發(fā)現(xiàn)不同的網(wǎng)上書(shū)店對(duì)同一本書(shū)

2、的描述通常存在著差別，而對(duì)不同圖書(shū)的描述又可能非常相近。由于上述情況的存在，本文提出了基于改進(jìn)Jaccard系數(shù)和領(lǐng)域本體的Deep Web實(shí)體識(shí)別方法。在圖書(shū)文本屬性中，直接應(yīng)用Jaccard系數(shù)進(jìn)行計(jì)算，不能解決在文本屬性中出現(xiàn)的某一屬性值非常相近而其他各個(gè)屬性都完全相同的情況。本文在實(shí)體識(shí)別的過(guò)程中對(duì)Jaccard系數(shù)進(jìn)行了兩點(diǎn)改進(jìn)，一是為文本分詞后的單詞增加權(quán)重系數(shù)，二是字符串匹配時(shí)的包含關(guān)系用系數(shù)m來(lái)確定。利用改進(jìn)Jaccar