基于模拟退火的在线Web文档内容数据质量评估

摘要：

针对基于训练模型或用户交互的Web数据质量评估方法不能在线响应,也不能获取内容事实内涵的问题,提出一种基于模拟退火(SA)的在线Web文档内容数据质量评估(QASA)方法.首先,通过在Web上搜集主题相关文档,构建目标文档的相关空间,进一步采用开放式信息抽取技术抽取文档内容的事实;然后,采用SA技术在线构建两个最重要的数据质量维度即准确性和完整性的参照;最后,通过比对目标文档和维度参照的事实来量化数据质量维度.实验结果表明,QASA方法可以及时返回近似最优解,并保持与离线算法等同或高于10％的精度.该方法不仅能满足实时响应的要求,而且具有高的评估精度,可应用于在线识别高质量的Web文档.

关键词：数据质量、Web文档、模拟退火、维度、事实

所属期刊栏目：34

分类号：TP311.13;TP18(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61003040,61100135

在线出版日期：2014-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2311-2316,2331