软件学报

作者：孙琛琛,申德荣,李玉坤,肖迎元,马建红

单位：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 30038411,申德荣，东北大学 计算机科学与工程学院, 辽宁 沈阳 11018902,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 30038403,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 30038404,马建红，河北工业大学 人工智能与数据科学学院, 天津 30040105

关键词：实体解析;记录对排序;时间约束;数据集成

基金：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）

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.

来源：2020年第3期

《软件学报》期刊编辑部

查看软件学报杂志2020年第3期