關(guān)系數(shù)據(jù)庫的實體間關(guān)系提取方法的研究
關(guān)鍵詞：關(guān)系數(shù)據(jù) 實體間關(guān)系提取 知識圖譜
摘要：知識圖譜需要從大量文本、圖像、數(shù)據(jù)庫等信息源中提取知識,而關(guān)系數(shù)據(jù)庫是其中一個重要的數(shù)據(jù)源,存儲了大量高質(zhì)量數(shù)據(jù)。目前,有許多研究工作集中于從關(guān)系數(shù)據(jù)庫到RDF的轉(zhuǎn)換,主要考慮結(jié)構(gòu)信息的轉(zhuǎn)換,較少研究實體間語義關(guān)系的發(fā)現(xiàn)。提出一種基于隨機森林的數(shù)據(jù)庫實體間語義關(guān)系發(fā)現(xiàn)與轉(zhuǎn)換方法,將關(guān)系數(shù)據(jù)轉(zhuǎn)換為RDF,能夠有效地發(fā)現(xiàn)數(shù)據(jù)庫中實體之間的隱含語義關(guān)系。該方法構(gòu)建融合數(shù)據(jù)庫模式和數(shù)據(jù)內(nèi)容的特征向量,設(shè)計并實現(xiàn)基于隨機森林的實體間語義關(guān)系發(fā)現(xiàn)算法;基于發(fā)現(xiàn)的語義關(guān)系,實現(xiàn)多對多、一對多等實體語義關(guān)系的轉(zhuǎn)換。實驗結(jié)果表明,相對于傳統(tǒng)的直接映射算法,該方法有更高的提取質(zhì)量,減少了最終生成知識圖譜中的冗余與錯誤。
計算機應(yīng)用與軟件雜志要求:
{1}文章關(guān)鍵要素，需有英文摘要。
{2}文章主題明確，數(shù)據(jù)可靠，書寫準(zhǔn)確，圖表清晰，文字簡練，內(nèi)容齊全完整。來稿應(yīng)含以下部分：中英文題名、中英文摘要、中英文關(guān)鍵詞、中圖分類號（本編輯部亦可代查）、正文以及必要的圖表、參考文獻(xiàn)。
{3}文稿要一稿一投，嚴(yán)禁各類侵權(quán)行為。
{4}前言應(yīng)充分說明研究工作的背景、意義、本文擬解決的問題、采用的方法和手段,引出重要文獻(xiàn),全面評述相關(guān)研究工作,突出本工作的重要性和創(chuàng)新性,不要忽視國內(nèi)同行的工作。
{5}稿件注釋一律采用 “腳注”。注釋規(guī)則請參下附《注釋規(guī)范》，請投稿者嚴(yán)格遵循。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
