Web表格的实体列发现算法

摘要：

针对机器无法理解Web表格语义信息的问题,传统的实体列发现方法通常依靠表头信息和知识库发现实体列,不适用于没有表头的Web表格.为此,提出一种基于列值间近似依赖关系和规范化的Web表格实体列发现算法,对无表头或者无法恢复出完整表头的表格甚至多实体列表格进行实体列标注.由Web表格中的属性值探测出Web表格属性间内在的近似函数依赖关系,根据Web表格的特点对噪声函数依赖进行删减,通过函数依赖集进行规范化,得到Web表格的实体列.与利用知识库进行实体列探测的算法相比,该算法不依赖表头信息,召回率和精确度均提高了3％～5％,适用性更强.

关键词：Web表格、实体列、近似函数依赖、语义恢复、规范化

所属期刊栏目：43

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金61370060

在线出版日期：2018-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：165-172