基于多对象实例的对象值对齐方法技术
【技术实现步骤摘要】
基于多对象实例的对象值对齐方法
本专利技术涉及一种对对象的多个异构实例的属性值进行对齐的方法和系统。
技术介绍
随着互联网的普及，人们越来越多地通过互联网获取自己感兴趣的资源，并将资源进行整理，符合自己的需要。互联网上存在对各种产品的规范进行说明的网页内容，这些网页内容通常明确记载各种产品的属性以及属性值。人们为了获取这些内容资源，可以对这些产品对象的属性以及属性值进行信息抽取，并基于所抽取的信息建立对象数据库。但是，不同的互联网网页提供商对于同一对象(即一种产品)在标明该对象的属性和属性值时，所采用的语言、措辞、属性的多少、以及属性值的格式方面都是存在差异的，而且对象产品的评论、排序以及描述页面在互联网上大量存在，这就构成了同一对象在互联网上存在异构(heterogeneous)的实例(即描述该对象的各种属性的网页或内容页面)。如何从庞杂的网络资源中提取特定领域(domain)的由于上述差异导致的异构实例对象(object)的特征(feature)以便整合为能够方便自己利用的数据内容是人们所需要的一种技术。本申请的申请人于2012年2月14日向中国专利局提交的中...
【技术保护点】
一种对齐对象的异构实例的属性值的方法，包括：对同一对象的异构实例的属性?值对的属性名执行属性规范化处理获得领域特征；对属于所获得的领域特征下的属性?值对集合中的所有属性?值对进行排序；以及从排序后的所有属性?值对中的所有属性值中选择合适的公共子字符串作为所述对象的对象值。
【技术特征摘要】
1.一种对齐对象的异构实例的属性值的方法，包括：对同一对象的异构实例的属性-值对的属性名执行属性规范化处理获得领域特征；对属于所获得的领域特征下的属性-值对集合中的所有属性-值对进行排序；以及比较属性-值对集合中的属性-值对的数量N与预定的最大规模阈值tL和最小规模阈值sL，对所有属性-值对执行自适应地过滤以消除噪声；对过滤处理后的属性-值对的属性值执行值抽取，从而从中选择所述对象的对象值，其中对过滤处理后的属性-值对的属性值执行值抽取，从而从中选择所述对象的对象值包括：按照下面公式计算属性-值对集合中的属性-值对的属性值的平均长度lenavg：其中值长度lenvalue是属性值字符串中词的个数，Svalue是对应属性值所属属性-值对的总分值；按照以下公式计算属性-值对集合中的属性-值对的属性值中每个词在该所有属性值中出现的频率tfword来计算每个词的分值Sword：其中Svalue是一个词所在属性值所属属性-值对的总分值；提取属性-值对集合中的属性-值对的属性值的字符串的公共子串，并将所提取的公共字串中长度小于等于lenavg的作为对象值的候选值；以及对每个候选值的字符串中所有词分值Sword求和来获得每个候选值的分数Scandidate，并将最高分数Scandidate所对应的候选值作为最终的对象值。2.如权利要求1所述的方法，其中对属于所获得的领域特征下的属性-值对集合中的所有属性-值对进行排序包括：基于属性-值对集合中的每一属性-值对的对象实例的来源计算该属性-值对的重要性分值Ssource；基于属性-值对集合中的属性-值对之间的相似度计算每一属性-值对的距离分值Sdistance；基于属性-值对集合中的属性-值对中的属性值之间的相似度，计算属性-值对的频率分值Sfrequency；基于属性-值对集合中的属性-值对中的属性值和与所述对象同领域的其它对象的已有的对象值之间的相似度，计算所述属性-值对的证据分值Sevidence；以及基于上述所计算的分值中的至少两个分值，执行加权求和，以计算所述属性-值对集合中的每个属性-值对的总分值Svalue。3.如权利要求2所述的方法，其中，可以基于所有四个分值以如下公式来计算总分值Svalue：Svalue＝wsSsource+wdSdistance+wfSfrequency+weSevidence其中ws,wd,wf,we∈[0,1]且ws+wd+wf+we＝1。4.如权利要求3所述的方法，其中，wd≥wf≥we≥ws。5.如权利要求2所述的方法，其中基于属性-值对集合中的属性-值对之间的相似度计算每一属性-值对的距离分值Sdistance包括：通过比较字符串的方法来计算任意一个属性-值对中的属性名与领域特征的相似度S1；计算属性-值对集合中的所述任意一个属性-值对与其他属性-值对之间的平均混合相似度S2，其中，对属性名相似度、属性值相似度、以及属性名-属性值交叉相似度进行加权计算获得一个属性-值对与属性-值对集合中其他每个属性-值对之间的混合相似度，对所计算的所有混合相似度求平均值，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。