大规模异构的政府统计报表信息抽取与集成融合研究

摘要：

政府统计数据作为国家的"战略金矿",充分挖掘其内在价值,使之更好地服务于政府及公众,已成为当前智慧政务和新型智库发展中大数据系统建设的必然要求.但政府统计报表的半结构化和大规模异构特点,使得统计数据之间无法直接关联及聚合,影响了统计数据资源的深度挖掘与开发.鉴于此,本文针对已有研究的不足,在分析政府统计报表语义构成要素的基础上,结合其信息抽取与集成融合的应用目标,将处理任务分解为表格语义结构解析、表头语义关系识别、数值信息抽取表示、指标术语消冗转换及不一致统计数据消歧等五个逻辑过程,并定义了各过程的作用与主要任务,且研究构建了面向该任务的总体技术框架及其处理流程.大规模真实数据集上的应用结果表明,本研究方法能够较为有效地实现异构型政府统计报表的抽取与集成融合,具备较好的实际价值,同时也为其他基于半结构化表格的大数据建设与应用研究提供参考借鉴.

关键词：政府统计报表、异构资源、信息抽取、集成融合、不一致数据消歧

所属期刊栏目：39

资助基金：国家社会科学基金重大项目"基于数据共享与知识复用的数字政府智能化治理研究";提升政府治理能力大数据应用技术国家工程实验室开放基金重点支持项目"基于NLP和深度学习的大规模政府公文智能处理技术研究"2018-2020

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：938-948