基于SVM的人物实体全局模式动态构建

J4 ›› 2014, Vol. 36 ›› Issue (10): 1887-1893.

基于SVM的人物实体全局模式动态构建

曹鲁慧

（山东大学信息化工作办公室，山东济南 250100）

收稿日期:2014-06-12 修回日期:2014-08-20 出版日期:2014-10-25 发布日期:2014-10-25

Person entity global schema constructed dynamically with SVM

CAO Luhui

（Information Office,Shandong University,Jinan 250100,China）

Received:2014-06-12 Revised:2014-08-20 Online:2014-10-25 Published:2014-10-25

摘要/Abstract

摘要：

针对结构化网页中人物实体全局模式构建问题，提出了基于SVM的动态构建方法。构建分为两个阶段，第一个阶段是来自同一数据源的人物实体结构化实例到人物实体局部模式的转化，第二个阶段是利用SVM分类器完成人物实体局部模式到人物实体全局模式的映射。本方法能适应数据源的不断变化，保证了全局模式的完整性。通过实验，验证了构建算法的有效性和可行性，并对随着结构化网页不断增多时全局模式的稳定性进行了考察。

关键词: SVM, 人物实体局部模式, 人物实体全局模式, 结构化网页

Abstract:

To constructed person entity global schema in structured web pages,a method of dynamic construction with SVM is proposed, it has two stages.The first stage is to transform person entity instances from the same data source to person entity local schema.The second stage is to map person entity local schema to person entity global schema with the SVM classifier.Our method can adapt to the change of data sources and ensure the completeness of the global model.Through experiments,the effectiveness and feasibility of the construction algorithm are verified and the stability of the global schema with increasing of structured web pages is studied.

Key words: SVM;person entity local schema;person entity global schema;structured web pages

曹鲁慧. 基于SVM的人物实体全局模式动态构建[J]. J4, 2014, 36(10): 1887-1893.

CAO Luhui. Person entity global schema constructed dynamically with SVM [J]. J4, 2014, 36(10): 1887-1893.

参考文献［10］

［1］	Li Yukun, Meng Xiaofeng. Research on personal dataspace management［C］∥Proc of the 2nd SIGMOD PhD Workshop on Innovative Database Research, 2008:712.
［2］	Jiang Shuo, Le Jiajin, Li Yefeng. Research on operationbased correlation in personal dataspace［J］. Journal of Electrical Engineering, 2014,12(5):32973302.
［3］	Liu X, Zhang S, Wei F, et al. Recognizing named entities in tweets［C］∥Proc of the 49th Annual Meeting of the Association for Computational Linguistics:Human Language TechnologiesVolume 1, 2011:359367.
［4］	Hong Xudong, Shen Tao, Shen Longhua, et al. Unstructured data extraction of Chinese expert web page［J］. International Journal of Wireless and Mobile Computing, 2014,7(2):132136.
［5］	Jiang Fangjiao,Meng Yuehong,Wei Mingsheng,et al.Entity Identification in Deep Web［C］∥Proc of Web Information Systems EngineeringWISE 2013 Workshops, 2014:144152.
［6］	Rizzo G, Troncy R. NERD:A framework for unifying named entity recognition and disambiguation extraction tools［C］∥Proc of the Demonstrations at the 13th Conference of the European Chapter of the Association for Computational Linguistics, 2012:7376.
［7］	Yao Conglei. Research on the extraction of web entities and discovery of entity activities［D］. Beijing:Peking University, 2006.(in Chinese)
［8］	Yao Chonglei, Yu Yongjian, Shou Sicong, et al. Towards a global schema for web entities［C］∥Proc of the 17th International Conference on World Wide Web, 2008:9991008.
［9］	Ding Yanhui, Li Qingzhong. Building the schema of web entity dynamically［J］. Journal of Computational Information Systems, 2011,7(9):31943201.
［10］	Xu Xiuxing.Research on global schema construction in web data integration［D］. Jinan:Shandong University, 2011.(in Chinese)
［11］	Cortes C, Vapnik V. Support vector machine［J］. Machine Learning, 1995,20(3):273297.
	附中文参考文献：
［7］	姚从磊. Web实体抽取与实体踪迹发现研究［D］. 北京:北京大学, 2008.
［10］	徐秀星. Web数据集成中全局模式构建方法研究［D］. 济南:山东大学, 2011.

[1]	韩辉, 麦合甫热提, 吾尔尼沙·买买提, 朱亚俐, 库尔班·吾布力, . 基于Gist和IPCA算法的多文种离线手写签名识别[J]. 计算机工程与科学, 2022, 44(11): 2048-2055.
[2]	徐周波, 李萍, 刘华东, 李珍. 基于图嵌入与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机工程与科学, 2021, 43(06): 1052-1059.
[3]	党小超, 汝春瑞, 郝占军, . 基于CSI与SVM回归的室内定位方法[J]. 计算机工程与科学, 2021, 43(05): 853-861.
[4]	葛晓伟, 李凯霞, 程铭. 基于CNN-SVM的护理不良事件文本分类研究[J]. 计算机工程与科学, 2020, 42(01): 161-166.
[5]	李联辉，王丽，雷婷，丁少虎. 制造企业供应商排序决策：#br# 基于SVM和TFN-RS的改进TOPSIS[J]. 计算机工程与科学, 2018, 40(04): 757-764.
[6]	王昇1，刘开华1，王丽婷2. 舌诊图像点刺和瘀点的识别与提取[J]. 计算机工程与科学, 2017, 39(06): 1126-1132.
[7]	刘欢，苏士美. 基于EHMM-SVM的人脸识别算法研究[J]. 计算机工程与科学, 2017, 39(05): 925-930.
[8]	钟伟1，黄元亮2. 基于特征融合与决策树技术的表情识别方法[J]. 计算机工程与科学, 2017, 39(02): 393-398.
[9]	刘亚，胡慧君，刘茂福. 基于混合染色体的带钢缺陷图像分类方法研究[J]. J4, 2016, 38(06): 1213-1219.
[10]	钱揖丽1，2，冯志茹1. 利用AdaBoost-SVM集成算法和语块信息的韵律短语识别[J]. J4, 2015, 37(12): 2324-2330.
[11]	陈青锋1，秦拯1,何流2，陈麟3. 一种高准确度多分类结构选择方法[J]. J4, 2015, 37(09): 1777-1782.
[12]	陈烨1,2，刘渊1. 扩展D-S证据理论在入侵检测中的应用[J]. J4, 2014, 36(01): 83-87.
[13]	朱文杰1,2，王强2，翟献军1. 基于信息熵的SVM入侵检测技术[J]. J4, 2013, 35(6): 47-51.
[14]	朱莹莹1, 尹传环1, 牟少敏2. 一种改进的局部支持向量机算法[J]. J4, 2013, 35(2): 91-95.
[15]	孔英会，景美丽. 基于混淆矩阵和集成学习的分类方法研究[J]. J4, 2012, 34(6): 111-117.