Extracting Result Schema Based on Query Instances in the Deep Web

Deep Web sources contain a large of high-quality and query-related structured date. One of the challenges in the Deep Web is extracting result schemas of Deep Web sources. To address this challenge, this paper describes a novel approach that extracts both result data and the result schema of a Web database. The approach first models the query interface of a Deep Web source and fills in it with a specifically query instance. Then the result pages of the Deep Web sources are formatted in the tree structure to retrieve subtrees that contain elements of the query instance, Next, result schema of the Deep Web source is extracted by matching the subtree＇ nodes with the query instance, in which, a two-phase schema extraction method is adopted for obtaining more accurate result schema. Finally, experiments on real Deep Web sources show the utility of our approach, which provides a high precision and recall.

基于Schema增强的中文实体关系抽取方法

针对中文实体关系抽取任务中的实体边界切分错误和实体关系重叠,以及不同数据集的关系种类不能很好地迁移的问题,提出一种基于Schema增强的实体关系抽取方法。首先,采用字词混合嵌入的方式融合字与词的语义信息,避免中文分词时边界切分出错所造成的歧义问题;其次,利用指针标注的方式解决关系重叠问题;最后,提取出每个数据集的Schema进行合并作为先验特征传入模型中,以解决实体冗余及关系种类迁移问题。在三大中文实体关系抽取数据集DuIE、FinRE、SanWen上进行实验,相较于先前的模型,该方法分别取得10%、18%、11%的F1提升,且表现出更高的稳定性。

一种基于内容模型图的XML Schema Definition的提取方法

使用XML Schema能够对XML文档进行有效性验证以及对查询、转换等操作进行优化,但是实际应用中大量XML文档缺失关联的Schema。提出了一种根据XML文档自动提取对应的XML Schema Definition(XSD)的方法XSDInfer,先根据合并规则将XML解析过程中分析得到的模式信息记录在内容模型图中,再根据生成规则将其转化为内容模型表达式,进而得到XSD。XSDInfer能够在内存消耗比较少的情况下快速地处理超大规模、深度嵌套的XML文档,同时支持XSD的上下文相关的内容模型,提取出的XSD也具有更好的可读性。实验表明,与同类方法相比,XSDInfer具有更好的可扩展性和表达能力。

一种结合关系增强融合模型的舆情关系抽取方法

针对舆情信息关系种类繁多、状态空间巨大,以及舆情信息关系抽取任务中出现的关系重叠和单一模型不能完全识别出全部三元组的问题,提出一种结合关系增强的融合模型进行舆情关系抽取的方法。首先,对从中文互联网上获取的舆情信息进行初步处理,得到初步的关系表;其次,对获得的关系表引入实体类型进行关系表增强;最后,将增强关系表作为先验特征输入融合模型,提升关系分类准确性,结合两个模型的识别结果解决单一模型不能完全识别出全部三元组的问题。实验结果表明,该方法相较于单一未使用关系增强的模型,F1值提升了5.4%。

基于样本实例的Web信息抽取

主要研究了基于HTML文档的信息抽取 ,提出了一种基于样本实例的Web信息抽取的方法 .用户首先选定样本页面和预先定义模式 (基于O -R模型 ) ,然后对样本页面和其中的样本记录进行标记、学习 ,形成信息抽取规则 ,并存入知识库 ;利用知识库对其他同类页面自动抽取所需的信息 ,存入数据库中 .本方法可用于Web查询 ,也可用于信息集成的包装器 .

半结构化数据的模式抽取

模式抽取在半结构化数据研究领域中具有重要意义。论文结合同类对象集和标签路径的概念,提出了一种从OEM模型中抽取模式的新方法。算法的基本思想是:在用OEM模型表示的半结构化数据中查找同类对象集,并通过构造模式表的方法来实现模式抽取。这种方法不但能从层次结构数据中抽取模式,而且还能从包含环路的OEM数据中进行模式抽取,克服了其它一些算法不能从带有环路的数据中进行模式抽取的缺点。

关系数据库模式信息的提取

鉴于关系数据库是当前Web的主要信息源,关系数据库模式信息的提取是实现当前Web向语义Web迁移的基础技术之一,介绍关系数据库模式信息提取原型工具RDBSExtractor,分析与总结关系数据库的模式信息,给出基于JDBCAPI的RDBSExtractor设计思想和实现技术.案例研究表明,基于JDBCAPI的模式提取方法是可行的,RDBSExtractor是有效的.

Web数据管理研究综述

综述了 Web数据管理技术 .对 Web数据管理的研究给出了定义 .就 Web数据管理的几个重要问题给出了阐述 .在此基础上提出了一种基于 XML 的

从多个RDFS本体中抽取子本体

RDFS本体提供了用于表达语义信息的通用框架，是语义网的基础。本体规模的增大使得对于特定领域知识利用的效率降低，从中抽取领域子本体可解决此问题。单个本体中包含的领域知识有限，从多个本体中抽取子本体可获取更多的领域知识。将RDFS本体抽象为图模型，根据RDFS推理规则和本体间映射，生成多个RDFS源本体的联合闭包。应用图理论构建抽取算法，生成以领域概念为节点的子图，得到所需的领域本体。该方法对于RDFS层次的领域本体抽取有一定的适用性，可快速有效地构建领域本体。

抽取XML模式到关系模式

提出一种XML建模技术,对多个XML文档构造共享模型.通过该模型构造的XML共享模式到关系模式的映射,实现将同源异构的XML片断抽取到相同的关系表中.试验表明,算法在同源异构XML片断的映射上具有比以往算法更好的映射结果.

基于图模型的RDF/RDFS本体抽取方法

为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法。将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体。抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体。

基于频繁模式半结构化数据的模式抽取

为克服半结构化数据存储复杂的缺点,提出一种基于动态树的半结构化的存储模型。对该模型进行模式抽取,并将其引入到Apriori算法。通过设置最小支持度阀值过滤掉不必要的信息,输出最长频繁路径的集合,以实现半结构化数据的提取。实验结果表明,该算法能同时有效地处理分支及环路问题,避免了死循环的出现。

半结构化数据的最小化模式发现

半结构化数据的模式抽取对于半结构化数据查询、优化及异构数据的集成具有重要的意义。结合标签路径及标签路径的目标集概念,提出了基于OEM(Object Exchange Model)模型的半结构化数据最小化模式抽取新方法,并给出了与标签路径目标集、支持度计算相关的两个定理。算法的基本思路:依据文中的两个定理,采用宽度优先自顶向下的遍历策略依次求出各标签路径的最后一个标签的目标集及支持度,标签支持度大的目标集优先映射为对应的模式节点。对同一半结构数据实例,算法抽取的模式与其他算法得到的模式相比规模小、算法执行时间短。算法适用于层次型及包含环路的OEM半结构化数据模式抽取。

海洋渔业数据仓库的研究与实现

数据仓库技术作为数据库技术应用的新型手段,是海洋渔业数据集成、实现业务化管理的良好的解决方案。根据海洋渔业的特点,本文提出了构建海洋渔业数据仓库的策略、基本框架,探讨了在海洋环境数据仓库建设过程中数据集市模型设计、建立数据准备区、数据规划和数据提取等四个关键问题,用SQL Server初步建成了海洋渔业数据仓库。

基于竞争机制的双目视觉匹配与实时测距

利用立体视觉系统实现移动机器人避障具有探测范围宽,目标信息完整等优势。从立体视觉中提取距离信息是计算机视觉的热点问题,其困难在于图像匹配问题。文章提出了一种基于竞争机制实现立体视觉匹配的方法。该方法将匹配问题映射为一个矩阵,其元素代表可能匹配的像点。根据匹配约束,匹配矩阵元素之间竞争,最后胜出者即为最优匹配点。获得匹配点后,根据摄像机透射投影模型恢复图像深度信息。实验结果表明,该方法需处理数据少、计算简便、适于实时测量。

顾及语义差异的基础地理信息客户数据库更新实施模型

客户数据库更新就是利用新版基础地理数据库中更新变化的要素信息,对客户数据库进行相应的级联更新,以使其具有良好现势性的过程。现有研究大多侧重于基础地理数据库更新信息的分发与提供,而没有充分考虑语义差异环境下如何高效实施客户数据库更新的具体问题。针对此,该文概括了基础地理数据库与其客户数据库之间潜在的各种语义差异;从实施效率、数据完备性、一致性、正确性等方面,分析描述了语义差异给更新实施过程带来的不利影响;最后依据语义映射和转换理论,提出了由语义匹配、变化提取、更新集成3种基本操作组成的更新实施模型,并阐述了3种基本操作的执行策略和关键环节。

基于XML语言甲骨文语料库元数据抽取的研究

计算机辅助甲骨文考释首先要解决的是以统一的数据形式来管理甲骨文信息,文中提出了一种基于XML语言的元数据抽取方法,提出了将抽取出的元数据存放到元数据库中,使用视图对元数据库进行动态地增加或删除,来弥补元数据抽取不全或错误的现象。同时通过XML Schema文档检测保存的元数据的语法格式,为以后映射到甲骨文语料库中做了语法的检测。该方法为甲骨文语料库的建设提出了一种新方案,也为后期语料信息语义化和专家系统推理打下了基础。

面向新领域的事件抽取研究综述

在当前互联网时代,大量新领域下的非结构文本数据中蕴含了海量信息。面向新领域的事件抽取方法研究能快速地构建领域知识库,用于支撑基于知识的下游应用。但现有事件抽取系统的领域限定性强,在新领域中从零构建会极度依赖事件体系和标注数据的质量及规模,需要大量人力和专家知识来定制模板和标注语料。而且数据集中常见在相同的上下文中出现多个相关联的事件实例,对事件抽取和真实性检测产生了极大阻碍。本文针对面向新领域的事件抽取这一新兴研究领域进行综述,从事件模板推导、多实例联合事件抽取、事件真实性检测三个研究方向介绍了相关工作的研究现状,并对目前存在的重点和难点问题进行了讨论,指出了下一步需要开展的研究工作。

基于结果模式的Deep Web数据标注方法

全面准确地标注Deep Web查询结果是Deep Web数据集成的关键问题,但现有的Web数据库标注方法还不能较好地解决该问题,为此提出一种基于结果模式的Deep Web数据标注方法。首先通过结果页面解析和抽取结构化数据来完成数据预处理的工作,并在集成结果模式和待标注数据之间建立正确的语义映射,进而确定DeepWeb数据的标注信息。通过对4个领域Web数据库进行实验测试,结果表明所提方法能有效地标注Deep Web查询结果数据。

基于领域模型的Web数据抽取与集成

Web数据抽取与集成的目的是提供面向领域的增值服务,结合领域数据特征,提出Web数据模式与领域数据模型.给出了基于Web数据模式的数据定位、抽取与基于领域数据模型的集成算法,并结合行业领域的需求,验证了模型和算法的有效性.