语义知识库构建中的异常数据发现.pdfVIP

北京大学学报(自然科学版) 第 51卷 第2期 2015年 3月 ActaScientiarumNaturaliumUniversitatisPekinensis，Vo1．51，No．2(Mar．2015) doi：10．13209~．0479—8023．2015．033 语义知识库构建中的异常数据发现 贺彬彬 邹磊 赵东岩 北京大学计算机科学技术研究所，北京 100080；十通信作者，E—mail：zoulei@pku．edu．cn 摘要 为了提高 RDF知识库的数据质量，提出RDF图数据的异常检测及其 自动修复的方法。首先，原创性 地定义了基于图的条件函数依赖 (GCFD)，能够将属性值和语义结构的依赖关系统一表示；然后，提出有效的 算法框架以及优化策略，挖掘 RDF数据中的GCFD，并给出异常数据的自动修复流程；最后，在真实的数据 集上，通过大量实验确认解决方案的可行性和优越性。 关键词 RDF数据质量：基于图的条件函数依赖；条件函数依赖；函数依赖 中图分类号 TP18 DiscoveringAbnormalDatainRDFKnowledgeBase HEBinbin，ZOU Lei，ZHAODongyan InstituteofComputerScienceandTechnology,PekingUniversity，Beijing100080； 十Correspondingauthor，E·mail：zoulei@pku．edu．cn Abstract ToeffectivelyimprovethedataqualityofRDFknowledgebase，asolutionisproposedaboutabnoraml datadiscoveryanderrouneousdatarepairinRDFgraphs．Firstly，theauthorsinnovativelydefinegraph—based conditionalfunctiona1dependency (GCFD)thatcan representtheattributevalueand semantic structure dependenciesofRDF datainauniform manner．Then．anefficientframework andsomenovelpurningur lesare proposedtodiscoverGCFDs，andtheworkflow ofauto—repairingerrorneousdataaregiven．Extensiveexperiments onseveralreal—lifeRDFrepositoriesconfirm thesuperiorityofproposedsolution． Keywords RDFdataquality；graph-basedconditionalfunctionaldependencies(GCFD)；conditionalfunctional dependency；functionaldependency 随着互联网技术的发展，网络信息呈现爆炸式 依赖的研究已经有 20余年，在此期间研究人员提 增长，这种变化使人们更加关注精确知识，关联知 出很多相关方法，包括经典的 TANE 算法 】和 识库的出现为人们提供 了新的思路 。随着关联知识 FastFD算法[1。关于函数依赖的扩展研究也不少， 库成为研究热点[1】，问题也随之而来：知识库 中存 如典 型有 条 件 函数依 赖 (conditionalfunctional 在大量的错误数据 。目前除文献[4]以外，针对知识 depend．ency，CFD)[引、基于值聚类 的图函数依赖 库中异常数据 的检测研究比较少，但文献[4]没有考 (v