项目名称: 基于关联数据的信息聚合模型与实现研究

项目编号: No.71273225

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 管理科学

项目作者: 潘有能

作者单位: 浙江大学

项目金额: 54万元

中文摘要: 关联数据可以被视为语义网的一种实现方式,它使得来自于不同来源的数据相互关联,从而促进了万维网的发展。目前已有的信息聚合技术主要面向传统的万维网,而基于关联数据的信息聚合技术主要面向语义网,关注的焦点在信息本身而不是承载信息的页面或是信息的访问接口API,聚合的对象直接深入到细粒度级的具有语义信息的实体。本项研究拟在对不同的数据集进行本体映射和数据链接的基础上,构建基于关联数据的信息聚合模型,并设计开发实验系统,在LOD数据集中进行测试和评估,实现对动态、分布和异构的数据源进行细粒度的语义信息聚合,为用户提供多角度、全方位、可视化的访问和了解信息的途径,在此过程中,语义相似度的计算及动态关联分析技术是待解决的关键问题。本项研究将遵循"理论-模型-实证"的技术路线,采用文献查阅、专家咨询、模型构建、系统设计、程序开发、实验结果分析等方法,从理论与实践相结合开展研究。

中文关键词: 关联数据;聚合;本体映射;数据链接;语义匹配

英文摘要: As an implement of Semantic Web, linked data connected data from different sources to accelerate the development of WWW. Be different from the existing information mashup technologies which mainly focus on the traditional WWW, the information mashup technologies based on linked data mainly face the Semantic Web. It focuses on the information itself instead of the pages with information or the APIs accessing information. The objects of mashup are semantic entities which belong to low-granularity level. Based on the ontology matching and data linking between different datasets, this research will build a model of information mashup which is based on linked data, and design an experiment system, then test and evaluate in LOD datasets. This research will realize low-granularity semantic information mashup to dynamic, distribute and heterogeneous data sources, providing an approach of multiangle, all dimensions and visualization to access and understand information. In this process, the calculation of semantic simmilarity and the dynamic linking analysis are the key problems to be resolve. This research will follow the technology roadmap of "theory - model - application", adopt methods which include document retrival, expert consultation, model building, system design, programming and result analysis. This research w

英文关键词: linked data;mashup;ontology matching;data linking;semantic alignment

成为VIP会员查看完整内容
0

相关内容

专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
55+阅读 · 2021年8月12日
专知会员服务
14+阅读 · 2021年6月26日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
27+阅读 · 2021年2月17日
【KDD2020】 解决基于图神经网络的会话推荐中的信息损失
专知会员服务
31+阅读 · 2020年10月29日
专知会员服务
49+阅读 · 2020年8月27日
基于知识图谱的推荐系统研究综述
专知会员服务
326+阅读 · 2020年8月10日
【SIGIR 2020】 基于协同注意力机制的知识增强推荐模型
专知会员服务
89+阅读 · 2020年7月23日
用户画像场景与技术实现
专知
5+阅读 · 2022年3月25日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
GNN如何利用图上的边信息?
图与推荐
2+阅读 · 2021年11月14日
基于知识图谱的行业问答系统搭建分几步?
PaperWeekly
2+阅读 · 2021年11月11日
【WWW2021】双曲图卷积网络的协同过滤
专知
4+阅读 · 2021年3月26日
基于知识图谱的文本挖掘 - 超越文本挖掘
专知
38+阅读 · 2019年8月18日
【知识图谱】中医临床知识图谱的构建与应用
产业智能官
60+阅读 · 2017年12月18日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月23日
Arxiv
0+阅读 · 2022年4月22日
Arxiv
12+阅读 · 2021年5月3日
Arxiv
21+阅读 · 2019年8月21日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
11+阅读 · 2018年10月17日
小贴士
相关VIP内容
专知会员服务
12+阅读 · 2021年10月6日
专知会员服务
55+阅读 · 2021年8月12日
专知会员服务
14+阅读 · 2021年6月26日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
27+阅读 · 2021年2月17日
【KDD2020】 解决基于图神经网络的会话推荐中的信息损失
专知会员服务
31+阅读 · 2020年10月29日
专知会员服务
49+阅读 · 2020年8月27日
基于知识图谱的推荐系统研究综述
专知会员服务
326+阅读 · 2020年8月10日
【SIGIR 2020】 基于协同注意力机制的知识增强推荐模型
专知会员服务
89+阅读 · 2020年7月23日
相关资讯
用户画像场景与技术实现
专知
5+阅读 · 2022年3月25日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
GNN如何利用图上的边信息?
图与推荐
2+阅读 · 2021年11月14日
基于知识图谱的行业问答系统搭建分几步?
PaperWeekly
2+阅读 · 2021年11月11日
【WWW2021】双曲图卷积网络的协同过滤
专知
4+阅读 · 2021年3月26日
基于知识图谱的文本挖掘 - 超越文本挖掘
专知
38+阅读 · 2019年8月18日
【知识图谱】中医临床知识图谱的构建与应用
产业智能官
60+阅读 · 2017年12月18日
相关基金
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月23日
Arxiv
0+阅读 · 2022年4月22日
Arxiv
12+阅读 · 2021年5月3日
Arxiv
21+阅读 · 2019年8月21日
Arxiv
15+阅读 · 2019年4月4日
Arxiv
11+阅读 · 2018年10月17日
微信扫码咨询专知VIP会员