網(wǎng)絡表格間的關聯(lián)關系發(fā)現(xiàn).pdf

1、近年來，互聯(lián)網(wǎng)上涌現(xiàn)出大量結(jié)構(gòu)化的表格數(shù)據(jù)，網(wǎng)絡表格的價值不僅在于數(shù)據(jù)本身，還在于數(shù)據(jù)之間的關系。只有探測出表格之間潛在的關系，方能更好地利用這些結(jié)構(gòu)化的數(shù)據(jù)。然而，網(wǎng)絡表格的異構(gòu)性和不確定性給網(wǎng)絡表格間的關聯(lián)關系發(fā)現(xiàn)帶來很大的挑戰(zhàn)。本文提出發(fā)現(xiàn)網(wǎng)絡表格間的快照關系和參照關系，用于優(yōu)化查詢，在大數(shù)據(jù)環(huán)境下實時地返回部分查詢結(jié)果，以及幫助實現(xiàn)數(shù)據(jù)融合系統(tǒng)中的開放式查詢。
　　論文提出快照關系發(fā)現(xiàn)的理論模型和算法，給出基于實體和屬性重

2、合度的評分方法，并引入實體新鮮度的概念，使得算法在快照關系的發(fā)現(xiàn)過程中更多地關注能提供新鮮實體的表;與此同時，基于Bayes模型的表格內(nèi)容增強算法能更加準確地判斷屬性列上值的一致性，達到提高快照關系檢測準確率的目的。大量實驗表明，本文設計的發(fā)現(xiàn)快照關系的評分模型能發(fā)現(xiàn)高質(zhì)量的快照表，且在快照表上的查詢精度和召回率上表現(xiàn)較好。
　　論文提出基于概率模型的評分方法用于網(wǎng)絡表格之間的參照關系發(fā)現(xiàn)，引入實體對給定表的權重，使得算法在參照關