融合马尔可夫聚类的实体间关系消解方法

发布时间：2018-05-27 11:35

  本文选题：马尔可夫聚类 + 知识库　； 参考：《计算机科学与探索》2017年04期

【摘要】：随着面向网络大数据的知识库的不断出现,它们各自都包含海量的实体以及实体间的关系。然而许多有相同含义的关系并没有统一名称,针对这种情况,提出了一种基于马尔可夫聚类(Markov cluster algorithm,MCL)的实体间关系融合方法。该方法首先计算关系间的语义相似度,然后利用关系间的语义相似度作为有边的权重,构建无向图,并利用马尔可夫聚类算法进行聚类。实验表明,该方法相比层次聚类和k-means聚类方法在聚类纯度上有一定提高,并且更加方便使用。
[Abstract]:With the emergence of the knowledge base for network big data, each of them contains a large number of entities and their relationships. However, many relationships with the same meaning do not have a uniform name. In order to solve this problem, a new method of inter-entity relationship fusion based on Markov cluster algorithm is proposed. The method first calculates the semantic similarity between relationships, then uses the semantic similarity of relationships as the weights of edges to construct undirected graphs, and uses Markov clustering algorithm to cluster. Experiments show that compared with hierarchical clustering and k-means clustering, the proposed method can improve the purity of clustering and is more convenient to use.
【作者单位】： 中国科学院计算技术研究所网络数据科学与技术重点实验室;中国科学院大学;国家计算机网络应急技术处理协调中心;
【基金】：国家自然科学基金Nos.61173008,61232010,60933005,61402442,61402022,61303244 国家重点基础研究发展计划(973计划)Nos.2013CB329602,2014CB340405 北京市科技新星计划项目No.Z121101002512063 北京市自然科学基金青年基金项目No.4154086 中科院医学影像项目No.KGZD-EW-T03-2 山东省自主创新及成果转化专项No.2014CGZH1103~~
【分类号】：TP391.1
，

本文编号：1941903