基于人类认知分类体系的实体搜索方法.pptx

基于人类认知分类体系的实体搜索方法目录第1章 绪论1.1 课题背景1.2 相关工作 1.3 主要研究内容 1.4 论文结构第2章 预备知识2.1 语义网相关概念 2.2 本体匹配2.3 WordNet介绍 2.4 本体类型向分类体系单元的映射第3章 异构本体类型到知识体系的映射3.1 问题描述3.2 方法概览3.3 数据预处理3.4 匹配过程3.5 映射选择过程3.6 匹配结果分析第4章 基于映射后的一致分类体系的实体搜索方法4.1 问题描述4.2 方法概览4.3 约束条件下的过滤器选择优化4.4 实体排序与摘要第5章 实验评估5.1 实验方法概述5.2 匹配性能评测5.3 系统有效性评测 第6章 结束语第1章 绪论1.1 课题背景语义网正在飞速发展：数据增长，应用场景更多，更为大家熟知。实体的搜索与浏览对于用户使用语义网满足信息、知识需求很重要。人类认知中对世界中的事物与事件有一个分类体系，借助这个认知上的知识储备，可以帮助用户寻找到想要的事物。借助它改进语义网中的语义搜索，帮助用户更方便、快速找到感兴趣的实体。用户搜索实体的习惯用户搜索实体的习惯通过商品细分的类型与属性特征进一步过滤结果不同的排序规则，满足用户不同的需求简洁、有用的摘要帮助用户选择感兴趣的商品以进一步详细了解第1章 绪论1.2 相关工作Falcons Object Search：基于ontology class的过滤器，优化排序规则，来搜索实体Tags Cloud: Xing jian Zhang,etc, Exploring Linked Open Data with Tag Clouds 基于ontology class/property的迭代式过滤SNAKET: Paolo Ferragina, etc, A Personalized Search Engine Based on Web-Snippet Hierarchical Clustering 基于对ontology class的聚类1.3 主要研究内容通过将大量异构的本体类型映射到一个一致的符合人类认知的分类体系，可以用一致的分类体系中的概念单元对实体进行标注。（电子商城中的商品也有一致的分类和属性体系）借助一致的分类体系，提升用户搜索实体的使用体验，帮助用户快速定位到感兴趣的实体。对候选实体列表中可能的标注概念单元进行筛选，选择数量合适、语义具体、能够很好覆盖并能有效过滤当前实体集合的单元作为过滤器推荐给用户。（与搜索商品相同，符合用户的搜索习惯）第2章 预备知识2.1 语义网相关知识RDF 2.本体与RDFS/OWL 3. Open Linked Data2.2 本体匹配本体匹配主要的相关技术与过程，流行的工具2.3 WordNet介绍 2.4 本体类型向分类体系的映射 第3章 异构本体类型到知识体系的映射消除大量本体类型的由于不同本体的异构性带来的 不易理解与重复、繁杂的特征。得到一个一致、符合人类认知、由广泛使用的语义 知识库WordNet得到的分类体系，并与大量异构 本体类型建立了映射关系。WordNet Synset hyponym graph第3章 异构本体类型到知识体系的映射Construct taxonomy for the ontology and corresponding SHG.数据预处理blockingmatching with multiple strategiesConcept Cone Matcher匹配过程Linguistic MatcherSimilarity Flooding method based on SPGblockingNaive selection based on greedy strategyselect mappings via homomorphism constraintSelect suitable strategies映射选择过程skeletonselectionsupplementselection第3章 异构本体类型到知识体系的映射需要改进、加强的：保证准确率的情况下更加scalable.改进算法，提高准确率（通过一个评测平台抽样人工判断）第4章 基于映射后的一致分类体系的实体搜索方法对整体实体的分布做一个概览，可以通过认知体系的类型定位到实体。实体搜索基于关键字。对搜索结果提供合适的过滤器，通过多步迭代式的方式过滤到用户真正感兴趣的实体。这是一种符合用户操作习惯的方式。在线购物的时候，大多数用户也是通过关键词搜索、类型与条件过滤来找到感兴趣的商品的。使用基于丁基伟同学EBMC模型与相应算法来选择合适的过滤语义标签。样例实体分布概览示例searchlondonLondonplacelabel: Londonc