大数据下的异构知识融合方法研究.pdfVIP

信息与电脑 数据库技术 China ComputerCommunication 2016年第13期 大数据下的异构知识融合方法研究 张 曦 （国家新闻出版广电总局西安监测台，陕西 西安  710101） 摘 要：首先给出了一个多源异构知识库的模型框架，然后具体介绍了资源描述框架RDF的概念以及RDF的基本数 据的模型，并针对知识抽取分别从半结构化知识抽取和非结构化知识抽取这两方面做了深入研究，最后将抽取得到的知 识存储为RDF/XML格式作为知识库，提出了构建RDF三元组的算法，并给出了知识库中部分知识的存储实例。 关键词：大数据；知识融合；异构知识 中图分类号：TP311.13    文献标识码：A    文章编号：1003-9767（2016）13-172-02 大数据环境下，由于数据的结构差异大、数据来源广、 也是一个能对结构化的元数据进行编码、交换和重用的体系 价值密度较低、更新实时等特点，给知识服务带来了巨大挑 框架，其数据模型包含三种对象模型，即资源、属性和陈述。 战，而多源异构知识的融合为在大数据环境下进行知识获取、 1.2.2 知识抽取 知识组织和利用提供了非常有效的手段和方法。 目前，对于知识抽取的研究很大一部分是对实体关系抽 1 多源异构知识库的构建 取的研究，被广泛研究的实体关系一般都是二元实体关系， 1.1 多源异构知识库模型框架 也就是包含两个实体以及它们之间关系的三元组，本文所指 的实体关系就是二元实体关系，实体关系抽取按输入数据源 目前，大多数知识库都是针对某一特定领域构建的，由 的结构化程度可以分为结构化抽取、半结构化抽取和非结构 于大数据环境下各种知识是异构的，因此，本文是通过从不 化抽取。针对半结构化知识抽取，下面将分为两方面进行介 同的知识来源来获取知识构建知识库，主要在知识获取、知 绍。 识表示、知识存储和知识服务等方面对多源异构知识库的构 第一，HTML 树（DOM ）。可以从网页中提取信息来分 建进行研究，提出多源异构知识库的构建模型，如图1 所示。 析DOM 树。这些信息可以来自文本页面，也可来自“deep- Web ”，其中数据存储在底层数据库，通过填写HTML 表单 查询。训练的分类在作为文本的情况下，除了得到DOM 树 的链接，还能够得到文本中两个实体特征。 DOM 树包含组成DOM-tree 格式的信息，无论是在网页 （如网页列表、Web 表），还是在“deep-Web ”源都能发现 这样的信息。DOM 树的结构暗示了实体之间的关系，下面 为DOM 树片断。 tr