基于Hadoop的并行實體解析方法研究與應(yīng)用.pdf_第1頁
已閱讀1頁，還剩56頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、實體解析用于判斷兩個數(shù)據(jù)記錄是否描述的是現(xiàn)實世界中的同一實體對象。它對于數(shù)據(jù)集成、數(shù)據(jù)清洗、數(shù)據(jù)去重和處理優(yōu)化都十分重要。實體解析所處理的對象不僅局限于數(shù)據(jù)記錄，還包括在文本文件比對、文檔查重、人臉圖像識別、指紋識別等一些具有特定解析需求的實際應(yīng)用中。從參與實體解析的主體角度來看，可以將實體解析的方法分為兩大類，即基于機(jī)器算法的實體解析和基于人工的實體解析。純粹的機(jī)器算法解析雖然可以獲得較高的效率，但是解析的準(zhǔn)確率卻難以保證;同樣，單純

2、的眾包或人工解析雖然可以獲得很好的準(zhǔn)確率，但是解析的效率卻遠(yuǎn)不及機(jī)器解析。
　　本文提出一種結(jié)合機(jī)器算法和人類智能的實體解析方法，即基于人機(jī)協(xié)作的實體解析。該方法首先采用基于Hadoop開源項目中的MapReduce并行計算框架，運行基于相似性計算或機(jī)器學(xué)習(xí)算法，排除不可能匹配的記錄對，減少人類智能任務(wù)的數(shù)量，然后由人工進(jìn)行確定性標(biāo)注。
　　論文的主要工作包括:1）對實體解析方法和框架進(jìn)行了綜述;2）提出了基于眾包與機(jī)器處理

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論