主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第7期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孙琛琛,申德荣,李玉坤,肖迎元,马建红.时间约束的实体解析中记录对排序研究.软件学报,2020,31(3):695-709
时间约束的实体解析中记录对排序研究
Research on Record Pair Ranking for Entity Resolution with Time Constraint
投稿时间:2019-07-15  修订日期:2019-09-10
DOI:10.13328/j.cnki.jos.005900
中文关键词:  实体解析  记录对排序  时间约束  数据集成
英文关键词:entity resolution  record pair ranking  time constraint  data integration
基金项目:国家重点研发计划(2018YFB1003404);国家自然科学基金(61672142,61472070,61602103);天津市自然科学基金(17JCYBJC15200)
作者单位E-mail
孙琛琛 计算机视觉与系统教育部重点实验室(天津理工大学), 天津 300384
天津市智能计算及软件新技术重点实验室(天津理工大学), 天津 300384 
dustinchenchen_sun@163.com 
申德荣 东北大学 计算机科学与工程学院, 辽宁 沈阳 110189  
李玉坤 计算机视觉与系统教育部重点实验室(天津理工大学), 天津 300384
天津市智能计算及软件新技术重点实验室(天津理工大学), 天津 300384 
 
肖迎元 计算机视觉与系统教育部重点实验室(天津理工大学), 天津 300384
天津市智能计算及软件新技术重点实验室(天津理工大学), 天津 300384 
 
马建红 河北工业大学 人工智能与数据科学学院, 天津 300401  
摘要点击次数: 728
全文下载次数: 655
中文摘要:
      实体解析是数据集成和数据清洗的重要组成部分,也是大数据分析与挖掘的必要预处理步骤.传统的批处理式实体解析的整体运行时间较长,无法满足当前(近似)实时的数据应用需求.因此,研究时间约束的实体解析,其核心问题是基于匹配可能性的记录对排序.通过对多路分块得到的块内信息与块间信息分别进行分析,提出两个基本的记录匹配可能性计算方法.在此基础上,提出一种基于二分图上相似性传播的记录匹配可能性计算方法.将记录对、块及其关联关系构建二分图;相似性沿着二分图不断地在记录对结点与块结点之间传播,直到收敛.收敛结果可以通过不动点计算得到.提出近似的收敛计算方法来降低计算代价,从而保证实体解析的实时召回率.最后,在两个数据集上进行实验评价,验证了所提出方法的有效性,并测试方法的各个方面.
英文摘要:
      Entity resolution (ER) is an important aspect of data integration and data cleaning, and is also a necessary pre-process step of big data analytics and mining. Traditional batch based ER's overall runtime is costly, and cannot satisfy current (nearly) real-time data applications' requirements. Therefore, time constraint entity resolution (TC-ER) is focused on, while core problem is record pair ranking according to match probability both information inner blocks and information across blocks are analyzed from multi-pass blocking respectively, and two basic recordsmatch probability methods are proposed. The basic methods are improved by proposing an advanced record match probability method based on similarity flowing over a biparitite graph.A bipartite graph is constructed according to record pairs, blocks, and relations between them. Similarities iteratively flow between pair nodes and block nodes over the bipartite graph until convergence. The convergence result is computed with fixpoint iterations. An approximate convergence computation mehod is proposed to reduce cost, and it improves real-time recall in TC-ER. Finally, the proposed methods are evaluated on two datasets, which shows their effectiveness and also tests different aspects of the proposed methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利