一种局部与全局特征相结合的主题域识别模型

doi:10.12068/j.issn.1005-3026.2018.02.006

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (2): 176-180.DOI: 10.12068/j.issn.1005-3026.2018.02.006

一种局部与全局特征相结合的主题域识别模型

寇月，徐宏斌，申德荣，聂铁铮

(东北大学计算机科学与工程学院，辽宁沈阳110169)

收稿日期:2016-08-19 修回日期:2016-08-19 出版日期:2018-02-15 发布日期:2018-02-09
通讯作者: 寇月
作者简介:寇月(1980-)，女，辽宁沈阳人，东北大学副教授，博士; 申德荣(1964-)，女，辽宁铁岭人，东北大学教授，博士生导师.
基金资助:
国家重点基础研究发展计划项目(2012CB316201)；国家自然科学基金资助项目(61472070)；中央高校基本科研业务费专项资金资助项目(130404015).

A Topic Domain Identification Model Combining Local and Global Characteristics

KOU Yue， XU Hong-bin， SHEN De-rong， NIE Tie-zheng

School of Computer Science & Engineering， Northeastern University， Shenyang 110169， China.

Received:2016-08-19 Revised:2016-08-19 Online:2018-02-15 Published:2018-02-09
Contact: KOU Yue
About author:-
Supported by:
-

摘要/Abstract

摘要： 传统的主题域识别技术主要局限于单一领域，缺乏领域间的交互式协同，难以保证识别结果的准确性，因此提出一种局部与全局特征相结合的主题域识别模型.该模型一方面基于实体在领域内的局部特征进行局部识别，另一方面基于领域间协同作用、领域相关度等全局特征对各个局部识别结果进行一致化趋近，从而使识别结果更全面、有效.另外，针对相似矩阵的更新时机、协同作用的量化以及迭代终止条件的设定三个方面对主题域识别算法进行了优化.通过实验验证了本文所提出的关键技术的可行性和有效性.

关键词: 主题域识别, 交互式协同, 局部特征, 全局特征, 领域相关度

Abstract: Traditional identification techniques focus on a single domain and lack the mutual collaboration among different domains， which often lead to dumb results. So， a topic domain identification model combining local and global characteristics is proposed.Local identification is performed based on entities’ local characteristics within one domain. On the other hand， these local identification results tend to be consistent with each other based on the global characteristics such as the collaboration and relevance among domains， which can maintain the accuracy of identification effectively. In addition， some improvements are made for the algorithm of topic domain identification， including similarity matrix updating， collaboration quantifying and iteration terminating. The experiments demonstrate the feasibility and effectiveness of the proposed model.

Key words: topic domain identification, mutual collaboration, local characteristics, global characteristics, domain relevance

中图分类号:

TP311.13

寇月，徐宏斌，申德荣，聂铁铮. 一种局部与全局特征相结合的主题域识别模型[J]. 东北大学学报:自然科学版, 2018, 39(2): 176-180.

KOU Yue， XU Hong-bin， SHEN De-rong， NIE Tie-zheng. A Topic Domain Identification Model Combining Local and Global Characteristics[J]. Journal of Northeastern University Natural Science, 2018, 39(2): 176-180.

参考文献

[1]Mahmoud H A，Aboulnaga A.Schema clustering and retrieval for multi-domain pay-as-you-go data integration systems［C］//Proceedings of the ACM SIGMOD International Conference on Management of Data.Indianapolis，2010:411-422.
[2]Sun Y Z，Han J W，Yan X F，et al.PathSim:meta path-based top-k similarity search in heterogeneous information networks［J］.Proceedings of the VLDB Endowment，2011，4(11):992-1003.
[3]Sun Y Z，Norick B，Han J W，et al.Integrating meta-path selection with user-guided object clustering in heterogeneous information networks［C］//Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.Beijing，2012:1348-1356.
[4]Lee J，Hwang S，Nie Z，et al.Query result clustering for object-level search［C］//Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.Paris，2009:1205-1214.
[5]寇月，申德荣，刘恒，等.异构网络中关联实体识别模型及增量式验证算法研究［J］.计算机学报，2013，36(10):2096-2108.(Kou Yue，Shen De-rong，Liu Heng，et al.Research on related entity identification model and incremental verification algorithm for heterogeneous networks［J］.Chinese Journal of Computers，2013，36(10):2096-2108.)
[6]Gu Y，Gao C，Cong G，et al.Effective and efficient clustering methods for correlated probabilistic graphs［J］.IEEE Transactions on Knowledge and Data Engineering，2014，26(5):1117-1130.
[7]Pattillo J，Veremyev A，Butenko S，et al.On the maximum quasi-clique problem［J］.Discrete Applied Mathematics，2013，161(1/2):244-257.
[8]Chaudhuri K，Kakade S M，Livescu K，et al.Multi-view clustering via canonical correlation analysis［C］//Proceedings of the 26th Annual International Conference on Machine Learning.Montreal，2009:129-136.
[9]Kumar A，Daumé H.A co-training approach for multi-view spectral clustering［C］//Proceedings of the 28th International Conference on Machine Learning.Bellevue，2011:393-400.
[10]Cheng W，Zhang X，Guo Z，et al.Flexible and robust co-regularized multi-domain graph clustering［C］// Proceedings of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.Chicago，2013:320-328.

[1]	许鸿斐，谷峪，于戈. 空间多样化约束下的移动k近邻查询[J]. 东北大学学报:自然科学版, 2020, 41(7): 913-919.
[2]	于长永，李淼淼，赵楚，马海涛. 一种新颖的编辑距离限制下的相似性确认算法[J]. 东北大学学报:自然科学版, 2019, 40(11): 1543-1548.
[3]	于长永，高明，柏禄一，赵宇海. 一种带有长度和位置约束的字符串索引方法[J]. 东北大学学报:自然科学版, 2018, 39(7): 959-963.
[4]	柏禄一，贾潍佳，曹杏茹. 基于CDT的时空区域拓扑关系确定方法[J]. 东北大学学报:自然科学版, 2017, 38(4): 481-485.
[5]	林晓庆，马宗民. 基于压缩实体摘要图的RDF数据关键词查询[J]. 东北大学学报:自然科学版, 2017, 38(1): 22-26.
[6]	杜岳峰，申德荣，张亮，于戈. 基于内容相关的条件函数依赖的一致性清洗方法[J]. 东北大学学报:自然科学版, 2016, 37(12): 1683-1687.
[7]	李传文，车庆首，谷峪，邓庆绪. QGrid:一种空间移动对象并行索引结构[J]. 东北大学学报:自然科学版, 2016, 37(11): 1541-1546.
[8]	王佳英，王斌，李晓华，杨晓春. 采用BWT的多核并行的子串匹配算法[J]. 东北大学学报:自然科学版, 2016, 37(5): 624-628.
[9]	赵相国，毕鑫，张祯，喻鑫. 基于抽样方法的不确定极限学习机[J]. 东北大学学报:自然科学版, 2015, 36(11): 1539-1542.
[10]	陈默，杨丹，谷峪，于戈. 面向组近邻的Top-k空间偏好查询[J]. 东北大学学报:自然科学版, 2015, 36(10): 1412-1416.
[11]	赵相国，毕鑫，张祯，杨洪波. 分布式环境中基于核函数的极限学习机[J]. 东北大学学报:自然科学版, 2015, 36(6): 769-772.
[12]	马超，张引，张斌. 面向探索式搜索过程的查询推荐[J]. 东北大学学报:自然科学版, 2015, 36(6): 777-780.
[13]	闫威，马宗民. 基于代数操作的XML模糊查询方法[J]. 东北大学学报:自然科学版, 2013, 34(1): 30-34.
[14]	王柯元，于雷，颜拥，孙毅. 基于区块链的电力数据资产化及交易系统设计[J]. 东北大学学报（自然科学版）, 2021, 42(2): 166-173.

一种局部与全局特征相结合的主题域识别模型

A Topic Domain Identification Model Combining Local and Global Characteristics

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价