基于关联规则的Wikidata人物名称数据分析.PDFVIP

第６１卷 第１２期　２０１７年６月 基于关联规则的Ｗｉｋｉｄａｔａ人物名称数据分析 　　　———以诺贝尔文学奖得主为主题 ■ 贾君枝　冯婕 山西大学经济与管理学院　太原０３０００６ 摘要：［目的／意义］挖掘不同名称数据之间的关联关系，将关于某一实体或主题的领域知识表现出来，这 对实现不同层次、不同粒度的知识体系的解构和重构、提供满足多种需求的知识服务工作具有重要的研究意 义。［方法／过程］提出一种基于人物实体数据运行关联规则挖掘实验的研究框架，通过对人物实体条目的抽 取、预处理及属性识别与分类等处理方法，利用Ｒ语言得到人物实体集的关联规则，实现多种名称数据的关联， 最后从Ｗｉｋｉｄａｔａ知识库提取１１３位诺贝尔文学奖得主的实体条目进行实证分析。［结果／结论］分析右部为地 点名称、机构名称、时间名称和主题名称等４种不同类型规则的关联特征，实现不同名称数据类型的关系挖掘 问题。本研究可为知识的揭示、聚合和关联提供新的视角，探索了数据挖掘技术在名称数据中的应用。 关键词：名称数据　关联规则　Ａｐｒｉｏｒｉ算法　知识揭示　Ｗｉｋｉｄａｔａ 分类号：Ｇ２５０ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１７．１２．０１６ １　引言 面是一种采用人物名称为个人实体标识符、其他名称 为个人实体特征的呈现方式；在单个人物信息页面中， 　　名称数据主要在图书馆编目领域中用于描述名称 因为不同类型的名称数据都以属性的方式通过人物名 实体的属性和关系，范围包括人名、团体名、题名、主题 称聚集在一起，它们之间可能还存在着关于某一实体 ［１］ 名等 。随着大数据时代的来临和万维网环境下规范 或某一主题的知识，这些知识表现为数据之间未知的 控制呈现出的新局面，名称数据的类型扩展到了地名、 关系，然而这种关系并不能直接从网页中获取，因此， 事件名及其他概念，应用关联数据技术发布的资源更 在关联数据集中挖掘并分析不同实体的名称数据之间 丰富了其本身在编辑和引用方面的功能；同时，名称数 的关联关系显得尤为重要。如果能收集一个群体中与 据所提供的服务不再局限于书目世界，而是更多地迁 所有成员相关的名称数据，揭示数据之间的隐性关系， 移到互联网中，为用户提供简单清晰的扁平化知识，为 从而得到关于某一群体的主题知识，不仅能为构建领 知识体系的解构和重构提供数据支持［２］。 域本体工作提供底层逻辑描述，同时基于探索的结果 　　人物名称是名称数据中最具研究价值的一部分， 能为验证知识库信息的正确与否提供参考。 原因在于人既拥有生卒年、籍贯等自然属性，也拥有学 　　目前，国外的一些学者表现出对利用名称数据挖 ［３］ ［４］ 科、职业等社会属性 ，人物本身所富含的信息还必须 掘实体关系研究的兴趣。Ｌ．Ｇａｌáｒｒａｇａ等 利用基于 通过机构名称、地点名称、事件名称等多种实体数据进 规则挖掘的归纳逻辑程序设计在 ＤＢｐｅｄｉａ的人物名 行细致的描述。目前，随着开放获取运动的发展， 称、地点名称、机构名称等数据间进行语义关系的挖 Ｗｉｋｉｐｅｄｉａ、ＤＢｐｅｄｉａ等大规模知识库纷纷将这些实体资 ［５］ 掘。Ａ．Ｓｐｉｔｚ等 根据人物名称、地点名称、机构名称 源以关联数据的形式发布在Ｗｅｂ上，它们通过ＲＤＦ化 和时间数据构建出适合跨文档事实信息抽取的ＬＯＡＤ 的表达模式实现多数据集的关联，这对数据的再利用 模型，并提供了对浏览和总结事件信息的结构化框架。 具有重要的意义。在这些关联数据集里，人物信息页 然而，遗憾的是，国内学者缺乏对名称数据进行关联规 本文系国家社