位置:成果数据库 > 期刊 > 期刊详情页
基于上下文感知实体排序的缺失数据修复方法
  • ISSN号:0254-4164
  • 期刊名称:《计算机学报》
  • 时间:0
  • 分类:TP311[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]西北工业大学计算机学院,西安710072
  • 相关基金:国家“九七三”重点基础研究发展规划项目基金(2012CB316203); 国家自然科学基金(61332006,61472321); 西北工业大学基础研究基金(3102014JSJ0013,3102014JSJ0005)资助
中文摘要:

大数据环境下,数据缺失现象十分普遍,导致许多基于数据的决策出现偏差.传统的数据库缺失值修复方法主要是利用本地数据库来修复数值型数据,这些方法并不适用于利用互联网数据来修复数值型和非数值型数据.基于互联网的缺失值修复过程一般包括生成查询、检索文档集、抽取实体、实体排序4个步骤,其中候选实体的排序决定了最终用于修复数据库的信息.现有的利用互联网数据来修复缺失数据的研究主要集中在两个方面:一是提升查询和抽取的质量,然后对抽取的候选实体按频率进行排序;另一种是分析目标实体应该具有的特征,然后对候选实体计算特征值,最后用权值叠加进行排序.这两类方法都只是考虑了实体自身的因素,而忽略了实体之间的影响.文中针对候选实体的排序建立了图模型,基于该图模型提出了上下文相关的实体排序算法CER(Contextaware Entity Ranking),该算法能够把候选实体在网页中的上下文特征充分利用起来并用实体间的影响来推断新信息,从而得到更准确的排序结果.基于真实数据集的实验结果表明,相较于频率统计和权值叠加的实体排序算法,CER算法能利用互联网的海量数据对关系数据库中的缺失值进行更加有效的修复.

英文摘要:

In Big Data era, data missing is very common in real life and it puzzles people since it makes decisions based on data unreliable. Most existing data imputation methods employ local database to repair missing numerical values, while these methods do not fit the case that repair missing numerical and non-numerical values using data from web. Web-based data imputation usually contains four steps, formulating queries, searching, entity extraction and entity ranking. During these steps, entity ranking plays a key role and makes the final decision on repairing. Recently works on web-based data imputation are major in two aspects, one makes efforts to improve query formulating and entity extracting, then uses frequency to rank, the other one makes efforts to analyze features that belong to target entities, then calculates and combines features' values to rank. Frequency-based or weighting-based entity ranking method considers factors related to entity itself while ignoring the influence between entities. In this paper, we propose a graph-based entity ranking method called CER(Context-aware Entity Ranking), it can take advantage of the context of candidate entities and make a comprehensive ranking utilizing thegraph model. Experiments based on real-world data more effective data imputation utilizing massive web such as frequency based and weighting-based. collections demonstrate that data than the existing entity CER performs a ranking methods

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学院
  • 主办单位:中国计算机学会 中国科学院计算技术研究所
  • 主编:孙凝晖
  • 地址:北京中关村科学院南路6号
  • 邮编:100190
  • 邮箱:cjc@ict.ac.cn
  • 电话:010-62620695
  • 国际标准刊号:ISSN:0254-4164
  • 国内统一刊号:ISSN:11-1826/TP
  • 邮发代号:2-833
  • 获奖情况:
  • 中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 美国数学评论(网络版),荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:48433