跨多个异构数据源的实体对齐

点击上方蓝字

关注我们

导

读

       实体对齐旨在识别现实世界中不同数据源间的相同实体。跨异构数据源识别相同的实体在众多研究领域都至关重要，比如数据清理、数据集成、信息检索和机器学习研究领域。对大型数据集来说，实体对齐过程往往涉及两个甚至多个数据源的所有元组，不仅计算开销十分昂贵，而且需要能够处理异构实体属性。本文中，我们提出了一种非监督的方法：EnAli，用于匹配两个或多个异构数据源中的相同实体。EnAli基于概率生成模型，利用指数族整合异构实体属性，处理缺失值，并利用局部敏感哈希结构降低候选集数量以加速对齐过程。即使没有任何已知的标注数据，EnAli依然能保持较高的精度和效率。我们在相同数据集，不同副本的“自匹配”实验中测试了EnAli的实体识别性能，并在三个真实的数据源上测试了实体对齐的性能和效率，实验结果表明，我们提出的方法优于对比方法。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

面向多目标事务数据发布的多维泛化 2018 12(6)：1241-1254

利用局部计算的整体性子图匹配 2018 12(5)：966-983

FCS 12(1) 文章 | 处理大规模索引中的查询偏斜：一种基于视图的方法

FCS 12(1) 文章 | 伪相关反馈的强度Pareto适应度分配：在MEDLINE中的应用

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号