《利用二次归并的Deep Web实体匹配方法.docx》由会员分享，可在线阅读，更多相关《利用二次归并的Deep Web实体匹配方法.docx（2页珍藏版）》请在三一文库上搜索。
1、利用二次归并的Deep Web实体匹配方法5.3DWEMM-TM与WEP方法的比较为了验证DWEMM-TM方法的有效性，将其与文献中的WEP方法进行比较，WEP方法的边权重采用JS（Jaccard Scheme）计算方式。DWEMM-TM与WEP的查准率、查全率和F值如表3所示。从表3可以看出，DWEMM-TM模型的查全率不及WEP方法，但查准率明显高于WEP方法，从综合指标F值来看，DWEMM-TM仍然优于WEP方法。DWEMM-TM与WEP的CPU执行时间如图3所示。从图3可以发现，DWEMM-TM和WEP均随着匹配对象数量规模的扩大而呈线性增长，但DWEMM-TM模型的增长速度更加缓慢一
2、些，其原因主要是由于DWEMM-TM模型的关系识别器MI采用了高效的删减策略与匹配方法，有效地缩减了匹配空间，大大减少执行代价相对较高的属性匹配器AM需要处理的数据量，从而获得了较好的运行效率。6结语Deep Web数据的迅速增长对实体匹配的效率和性能提出了更高要求。本文借鉴聚类思想，将实体匹配看作类簇归并过程，提出基于二次归并的Deep Web实体匹配方法DWEMM-TM，将不同的匹配关系分阶段交予不同的处理模块，使匹配逐渐精化，并通过引入自匹配，实现两次归并间的自动转接和不同匹配策略的自动选择。实验结果表明，DWEMM-TM方法在缩减匹配空间、降低复杂数据处理量和提高匹配精度方面有不错表现
3、，达到了性能与效率的双重提高。参考文献：【1】陈丽君，林怀忠.一种用于深层网接口集成的模式匹配方法.计算机工程，2012，38（12）：42-44. （CHEN L J， LIN H Z. Pattern matching method for Deep Web interface integration . Computer Engineering， 2012， 38（12）： 42-44.）【2】KPCKE H， RAHM E. Frameworks for entity matching： a comparison . Data & Knowledge Engineering，
4、2010， 69（2）： 197-210.【3】HAN X， SUN L， ZHAO J. Collective entity linking in Web text： a graph-based method / SIGIR 11： Proceedings of the 34th Annual ACM SIGIR Conference on Research and development in Information Retrieval. New York： ACM， 2011： 765-774.【4】RASTOGI V， DALVI N， GAROFALAKIS M. Large-sca
5、le collective entity matching . Proceedings of the VLDB Endowment， 2011， 4（4）： 208-218.【5】WANG Z， LI J， WANG Z， et al. Cross-lingual knowledge linking across Wiki knowledge bases / WWW 12： Proceedings of the 21st International Conference on Word Wide Web. New York： ACM， 2012： 459-468.【6】FAN J， LU M，
6、 OOI B C， et al. A hybrid machine-crowdsourcing system for matching Web tables / Proceedings of the 2014 IEEE 30th International Conference on Data engineering. Washington， DC： IEEE Computer Society， 2014： 976-987.【7】崔晓军，肖红宇，丁立新.基于距离的自适应Web数据库记录匹配方法.武汉大学学报（理学版），2012，58（1）：89-94. （CUI X J， XIAO H Y，
7、DING L X. Distance-based adaptive record matching for Web database . Journal of Wuhan University （Science Edition）， 2012， 58（1）： 89-94.）LIU W， MENG X. A holistic solution for duplicate entity identification in deep Web data integration / SKG 10： Proceedings of the 2010 Sixth International Conference
8、 on Semantics， Knowledge and Grids. Washington， DC： IEEE Computer Society， 2010： 267-274.徐红艳，党晓婉，冯勇，等.基于BP神经网络的Deep Web实体识别方法.计算机应用，2013，33（3）：776-779. （XU H Y， DANG X W， FENG Y， et al. Method of Deep Web entities identification based on BP network . Journal of Computer Applications， 2013， 33（3）： 776-779.）出处：计算机应用