数据空间命名实体集成技术研究

论文摘要

计算机的出现及网络技术的发展使得人们之间可以便捷的分享信息，而信息技术的高速发展使得这种信息分享日渐频繁。人们面对不再是稳定的信息量，而是不断增长的海量数据。海量数据由于来源不同，其数据格式的互不相同，因而很难高效的利用这些数据。为了更充分地利用已有的数据资源，减少资料收集、数据采集等重复劳动和相应费用，人们需要从多个分布、异构和自治的数据源中集成数据。这就需要确立一种具有普遍意义的、可操作性强的分布异构数据源的集成方法。从文件系统到数据库技术，再到集成技术，这些技术依然无法满足人们对海量数据管理的要求，因而一种新的海量数据管理模式——数据空间，便应运而生。数据空间作为一种管理异质异构数据的方法，要求以一种Pay-as-you-go的形式对数据源进行管理。而大量数据，从本质上来看是对现实世界的客观存在的实体的描述信息。用户对数据源的访问，主要是对这些实体信息的查询。因而抽取数据空间中命名实体及其描述信息加以集成，可以使用户更有效的管理和访问他们的数据。本文提出一种数据空间中的中文命名实体集成方法。通过抽取数据空间中数据源包含的命名实体及其描述信息，来提升用户对数据源访问体验，并完成部分实体集成的算法。本文主要完成的工作包括：（1）提出了一个数据空间人名实体及其描述信息的集成模型；（2）提出了数据空间异构数据源与命名实体的集成映射方法；（3）提出了数据空间命名实体统一的方法（4）在项目组研究成果的基础上，实现了一个数据空间原型系统。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究现状
• 1.2.1 数据空间
• 1.2.2 命名实体
• 1.3 论文研究内容
• 1.3.1 论文的主要工作
• 1.3.2 研究方法和实现技术
• 1.3.3 研究特色和创新点
• 1.4 论文结构
• 第2章 命名实体相关技术
• 2.1 命名实体识别技术
• 2.1.1 中文分词技术
• 2.1.2 命名实体识别技术
• 2.1.3 ICTCLAS 简介
• 2.2 实体统一技术
• 2.2.1 实体的统一的匹配规则
• 2.2.2 实体统一的运用方法
• 2.3 本章小结
• 第3章 数据空间命名实体的集成模型
• 3.1 引言
• 3.2 基于刻面的人名实体描述模型
• 3.3 命名实体集成模型
• 3.4 命名实体的集成方法
• 3.4.1 异构数据源的集成过程
• 3.4.2 数据源与实体的映射方法
• 3.4.3 数据源映射模型
• 3.5 本章小结
• 第4章 数据空间命名实体集成实现技术
• 4.1 引言
• 4.2 实体集成框架
• 4.3 异构数据源中实体的集成算法
• 4.3.1 结构化数据源
• 4.3.2 半结构化数据源
• 4.3.3 无结构化数据源
• 4.4 实体的统一
• 4.4.1 实体统一的方法
• 4.4.2 实体统一的过程
• 4.4.3 实体合并的规则
• 4.5 实验
• 4.5.1 命名实体的识别率
• 4.5.2 数据源到实体的映射
• 4.6 本章小结
• 第5章 基于刻面描述的数据空间原型系统
• 5.1 刻面描述模型
• 5.1.1 刻面描述模型的定义
• 5.1.2 常见数据源初始刻面定义
• 5.2 数据空间原型架构
• 5.2.1 数据空间数据源管理子系统
• 5.2.2 数据空间的索引
• 5.2.3 数据空间的演化
• 5.3 实验
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 研究总结
• 6.2 进一步工作的展望
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文与研究成果