2015年の情報Fusion_Faceted融合
RDFデータは、ノートを整理します
まず、紙は、あなたの思考の流れを整理します
1.1関連研究論文
- RDFの距離マッチング融合アルゴリズム
- RDFをインラインに基づく融合アルゴリズム
- ルールベースの制限RDF融合アルゴリズム
- RDFデータの断片化:RDFデータの特定のトピックは、異なるデータセットの数、主題の一つの態様を含んでいるRDFデータの各データセットに分散させました。
- RDFデータの分散は、に応じて異なる方法で同一の被写体に統合しました
- RDFは、TRGに検索エンジンによって返された結果(特定のトピックのRDFグラフ)から構成され、その後、RDFのセグメンテーションアルゴリズムは、側面のシリーズを発見してください。
- RDFのセグメンテーションアルゴリズムを使用すると、側面のシリーズを発見しました。
- TRGの分析は:pは対応する三つ組であり、三重項の片側頂点の両端ながらTRGにおいて、ノードは、O又はトライアドsです。TRGは、エッジの二種類に分けられる、及びO Sとの間の関係および他の反射は、二つの間の関係を反映しています。図TRGは、構造体の縁部がS図に分割されるだけの間に考えることができます。
- 後で比較するために、手動注釈の第1の態様は、各トピックのコンピュータにネットワークからデータをクロール6つのデータセットを関連付けるフィールドを取得する方法:使用されるデータセットに
- 図に関してTRGを得る:各ノードの平均次数がノード2 3.5,98%で単離されていることを見出し、さらに、2つの頂点の大部分(96%)同じ態様点に接続されています。二つのノードに応じて、より高い類似性スコアを計算し、さらに、ジャカード類似性は、(それによって閾値を設定)は、同じノードを指すことができます。
- 発見アルゴリズムの態様:図RDFグラフk個の互いに素にサブ分割し、隣接ノードは類似性に従ってと均質均質ノード、TRG図のデータ構成図に分割され、データに係る類似度を算出します。図のリンクの側面構造中の2つの部分グラフ場合、および2つの頂点が異なる態様に属し、これらの二つの側面を統合することが可能である。一連の側面は、ものをいいます。
- RDFプロセスの発見アルゴリズムの特定の側面、ノートブックを参照してください
1.2論文の問題
論文の問題解決プロセス1.3
1.4実験方法古紙
- 手動注釈について:2つの競合が最終結果としてマークされ、ラベルされた第三者に提出出現をマークした場合、最初のテーマで、2つの独立したラベルを与えられたラベリングルール。
- 適合性評価:携帯電話やマニュアル注釈アルゴリズム見つけセットのための側面は、コントラストインデックスNMIを使用して比較しています
- 上述の三つの方法が比較される前に評価精度、リコールの使用、とfl指標:評価は、側面を発見しました。また、アルゴリズムと手動による注釈ラベルの間で評価
- FFは(TRGがトポロジカル特性を考慮し、考慮に類似度とトポロジカル特性を取る)前述の三つの方法より効果的な方法を提案しています
- F1、高精度にこれら3つの指標を呼び出し、抽出融合六の主題の態様は、FFの3つの方法が上記に優れています。
- 解像度と物理的な統合FF
- FFは、他の分野にも拡張統合します
実験1.5の結果の最終評価
1.6フォローアップの紙
第二に、紙の革新
- 最後に、いくつかのTRG発見アルゴリズム
- 我々は、隣接ノード発見し、これらの二つの均質均質TRG類似ノードトポロジカル特性
- FFアルゴリズムは、これら二つの特性を考慮に入れて
第三に、提案されている参考文献の読み
[12]