面向Web的實(shí)體關(guān)系查詢與分析關(guān)鍵技術(shù)研究.pdf

1、近年來(lái)，互聯(lián)網(wǎng)技術(shù)持續(xù)快速發(fā)展，網(wǎng)絡(luò)信息呈爆炸式增長(zhǎng)，如何在Web信息資源中更好的實(shí)現(xiàn)信息和用戶之間的有效互動(dòng)，從而使網(wǎng)絡(luò)信息的搜索、瀏覽更加人性化和智能化是當(dāng)前Web領(lǐng)域面臨的一個(gè)難題。為了提高對(duì)Web信息的處理能力，Web中的實(shí)體和實(shí)體關(guān)系成為關(guān)注熱點(diǎn)。實(shí)體對(duì)象能夠代表現(xiàn)實(shí)世界中的某一特定概念或者實(shí)例（如人物、地點(diǎn)、組織機(jī)構(gòu)等），比Web文檔具有更小的信息粒度;實(shí)體關(guān)系則描述了實(shí)體之間可能存在的某種關(guān)聯(lián)關(guān)系（如朋友關(guān)系、雇傭關(guān)系、合

2、作關(guān)系等）。實(shí)體和實(shí)體關(guān)系在電子商務(wù)、社交網(wǎng)絡(luò)等領(lǐng)域中有廣泛應(yīng)用。在傳統(tǒng)的研究中，為了獲取實(shí)體之間的關(guān)系，大都需要構(gòu)建面向特定關(guān)系類型的領(lǐng)域知識(shí)。然而，Web文本處于復(fù)雜語(yǔ)義環(huán)境中，具有非結(jié)構(gòu)化的特點(diǎn)，缺少對(duì)結(jié)構(gòu)信息的描述，對(duì)其中的實(shí)體關(guān)系數(shù)據(jù)構(gòu)建全面、準(zhǔn)確的領(lǐng)域知識(shí)是十分困難的。此外，基于Web中實(shí)體關(guān)系的動(dòng)態(tài)演化、類型多樣等特點(diǎn)，需要設(shè)計(jì)新的實(shí)體關(guān)系分析框架和方法。
　　針對(duì)以上背景，本文將對(duì)Web環(huán)境下開放式實(shí)體關(guān)系的查詢和

3、分析做深入研究，以提高對(duì)Web數(shù)據(jù)的處理能力，并解決信息子圖抽取、動(dòng)態(tài)關(guān)系建模、動(dòng)態(tài)關(guān)系圖模型中相似節(jié)點(diǎn)查詢和行為角色挖掘等相關(guān)問題。論文的貢獻(xiàn)點(diǎn)概括如下。
　　本文提出了SSORE(Self-Supervised Open Relation Extraction)方法來(lái)抽取Web環(huán)境下實(shí)體之間的開放式關(guān)系，以便為關(guān)系的進(jìn)一步分析做數(shù)據(jù)儲(chǔ)備。SSORE方法是一種自監(jiān)督的學(xué)習(xí)方法，首先利用句子的句式結(jié)構(gòu)得到候選關(guān)系元組;其次，利用相

4、關(guān)約束條件對(duì)候選關(guān)系元組進(jìn)行自動(dòng)標(biāo)注;最后利用最大熵模型對(duì)輸入特征進(jìn)行訓(xùn)練，從而得到關(guān)系分類器。基于關(guān)系分類器，可以對(duì)開放式關(guān)系進(jìn)行過(guò)濾，從而提高數(shù)據(jù)質(zhì)量。為了方便數(shù)據(jù)的使用，本文基于特征共現(xiàn)度，對(duì)同名實(shí)體進(jìn)行消歧，并將消歧后的實(shí)體關(guān)系存儲(chǔ)為圖結(jié)構(gòu)，稱為關(guān)系圖。
　　對(duì)于給定若干關(guān)注對(duì)象，為了從關(guān)系圖中發(fā)現(xiàn)它們之間的關(guān)聯(lián)關(guān)系，本文研究了信息子圖查詢問題并提出了SISP(Searching Informative Subgraph

5、based on PSO)處理框架。該框架首先通過(guò)圖的結(jié)構(gòu)信息，給出了目標(biāo)信息子圖的評(píng)價(jià)函數(shù)，進(jìn)而將子圖的查詢問題轉(zhuǎn)化為多目標(biāo)優(yōu)化問題。借鑒粒子群優(yōu)化的相關(guān)理論，通過(guò)子圖初始化、子圖適應(yīng)度計(jì)算和子圖更新等三個(gè)步驟實(shí)現(xiàn)了目標(biāo)子圖的快速抽取。實(shí)驗(yàn)結(jié)果證明，本文提出的SISP信息子圖抽取框架比已有方法有更高的計(jì)算精度和處理效率。
　　實(shí)際應(yīng)用中的關(guān)系數(shù)據(jù)是不斷變化的，因此，由關(guān)系數(shù)據(jù)構(gòu)成的關(guān)系圖具有明顯的動(dòng)態(tài)演化特性。為了研究動(dòng)態(tài)關(guān)系圖

6、中關(guān)系的演化規(guī)律以及相關(guān)查詢和挖掘問題，本文首先利用滑動(dòng)窗口將動(dòng)態(tài)關(guān)系圖表示為一組快照，且每一個(gè)快照表達(dá)了特定時(shí)間點(diǎn)上的靜態(tài)關(guān)系結(jié)構(gòu)。利用這些靜態(tài)快照，本文從全局屬性和演化屬性兩個(gè)角度給出了動(dòng)態(tài)關(guān)系圖中節(jié)點(diǎn)之間的相似性度量方法?；诠?jié)點(diǎn)間不同的相似性度量函數(shù)，本文提出了動(dòng)態(tài)關(guān)系圖中的top-k查詢處理技術(shù)。實(shí)驗(yàn)結(jié)果證明，關(guān)系的動(dòng)態(tài)圖結(jié)構(gòu)更符合現(xiàn)實(shí)情況，且基于動(dòng)態(tài)關(guān)系圖的top-k查詢結(jié)果更能滿足用戶的查詢需求。
　　在動(dòng)態(tài)關(guān)系圖模

7、型中，節(jié)點(diǎn)在不同時(shí)刻可能具有不同的行為，這些變化的行為反映了節(jié)點(diǎn)的角色信息。利用節(jié)點(diǎn)行為，本文提出了BOM(Behavior Role Mining)框架，以解決動(dòng)態(tài)圖模型中節(jié)點(diǎn)的角色挖掘問題。BOM框架首先利用馬爾可夫隨機(jī)場(chǎng)模型(MRF)對(duì)節(jié)點(diǎn)的行為進(jìn)行建模，通過(guò)外在行為和潛在狀態(tài)之間的依賴關(guān)系表示行為的演化過(guò)程;其次，利用節(jié)點(diǎn)的歷史行為數(shù)據(jù)，基于EM算法，對(duì)節(jié)點(diǎn)的潛在狀態(tài)進(jìn)行預(yù)測(cè)和量化;最后，基于每個(gè)節(jié)點(diǎn)的潛在狀態(tài)，利用聚類算法對(duì)節(jié)