數據空間中基于語義的實體搜索

第1章 緒論
1．1 研究背景和意義
1．2 數據空間概述
1．2．1 數據空間的概念
1．2．2 數據空間的特性
1．3 國內外研究現狀
1．4 研究內容
第2章 以實體為中心的分層的圖數據模型
2．1 引言
2．2 相關工作
2．2．1 數據模型
2．2．2 索引機制
2．3 分層的圖數據模型1gDM
2．3．1 實體關聯數據圖
2．3．2 實體關聯模式圖
2．3．3 數據圖轉換成模式圖
2．4 模型的權重設置
2．4．1 模式圖GS的權重設置
2．4．2 數據圖GD的權重設置
2．5 數據的索引結構
2．5．1 實體類屬性索引
2．5．2 關聯關系映射索引
2．5．3 屬性值倒排索引
2．6 模型的查詢能力
2．6．1 謂詞查詢
2．6．2 近鄰查詢
2．6．3 關聯查詢
2．6．4 元數據謂詞查詢
2．6．5 元數據關聯路徑查詢
2．7 實驗評價
2．7．1 實驗數據集
2．7．2 實驗結果與分析
第3章 基于聚類的實體關聯關系挖掘算法
3．1 引言
3．2 相關工作
3．3 實體關聯關系構建模型
3．3．1 實體關聯關系構建的生命周期
3．3．2 關聯關系約束驗證
3．4 實體關聯關系挖掘的基本算法cRQ4A
3．4．1 問題定義
3．4．2 難點和挑戰(zhàn)
3．4．3 CRQ4A概覽
3．5 實體關聯關系挖掘的改進算法cFRQ4A
3．5．1 CFRQ4A概覽
3．5．2 候選關聯實體對過濾
3．6 實驗評價
3．6．1 實驗數據集
3．6．2 實驗結果與分析
第4章 基于時間的集合式實體識別算法
4．1 引言
4．2 相關工作
4．2．1 實體識別概覽
4．2．2 分塊技術
4．2．3 集合式實體識別
4．2．4 時間記錄識別
4．3 具有時間信息實體的集合式實體識別
4．3．1 問題定義
4．3．2 難點和挑戰(zhàn)
4．3．3 T-CER概覽
4．4 基于時間演化的聚類算法TE-Clustering
4．4．1 相似度度量方法
4．4．2 TE-Cluster4ng算法流程
4．5 集合式實體識別的識別順序
4．6 實驗評價
4．6．1 實驗數據集
4．6．2 評價指標
4．6．3 實驗結果與分析
第5章 時間感知的查詢時實體識別與數據融合
5．1 引言
5．2 相關工作
5．2．1 實時、查詢時實體識別
5．2．2 數據融合
5．3 TQ-ER框架
5．3．1 相關定義
5．3．2 框架概覽
5．4 時間感知的實體識別
5．4．1 候選實體集生成迭代算法
5．4．2 時態(tài)相似性
5．4．3 時間感知的聚類算法
5．5 時間感知的數據融合
5．5．1 相關定義
5．5．2 數據融合與沖突消解規(guī)則
5．6 實驗評價
第6章 基于關聯關系的關鍵字查詢意圖消歧算法
6．1 引言
6．2 相關工作
6．2．1 關鍵字查詢
6．2．2 關鍵字查詢翻譯（轉換）
6．3 三步驟的關鍵字查詢意圖消歧算法
6．3．1 關鍵字語義項映射
6．3．2 目標實體類識別
6．3．3 候選查詢集生成
6．4 實驗評價
6．4．1 實驗數據集
6．4．2 實驗查詢集
6．4．3 實驗結果與分析
第7章 KeymanticES語義實體搜索原型系統(tǒng)的設計與實現
7．1 引言
7．2 相關工作
7．2．1 數據空間中的查詢技術
7．2．2 實體搜索
7．3 KeymanticES的系統(tǒng)設計
7．3．1 問題定義
7．3．2 系統(tǒng)設計目標
7．3．3 KeymanticES概覽
7．4 KeymanticES的系統(tǒng)實現
7．4．1 系統(tǒng)開發(fā)環(huán)境
7．4．2 實體關聯關系挖掘的實現
7．4．3 實體識別的實現
7．4．4 關鍵字查詢意圖消歧的實現
7．5 實驗評價
7．5．1 實驗設置
7．5．2 實驗結果與分析
參考文獻