[发明专利]一种基于机器学习的图书本体匹配方法

摘要

本发明公开了一种基于机器学习的图书本体匹配方法，主要用于处理图书领域的本体匹配问题。本发明首先对于给定的两个图书本体生成所有待匹配的实例对与概念对，再利用启发式实例匹配规则与基于监督学习的决策模型从所有待匹配的实例对中挖掘实例间的等价关系，即得到实例匹配结果。然后对于所有待匹配的概念对使用基于半监督学习的标签传播算法挖掘概念间的上下位与等价关系，从而得到概念匹配结果。最终，将实例匹配结果与概念匹配结果共同作为图书本体匹配的结果。

主权项

一种基于机器学习的图书本体匹配方法，其特征在于，该方法包括如下步骤：1)分别遍历两个给定待匹配图书本体的实例集合与概念集合，生成待匹配实例对集合IP与待匹配的概念对集合CP，其中IP＝{(I₁₁,I₂₁),(I₁₁,I₂₂),…,(I₁₁,I_2m),(I₁₂,I₂₁),…(I₁₂,I_2m),…,(I_1(n‑1),I_2m),(I_1n,I₂₁),…,(I_1n,I_2m)}，CP＝{(C₁₁,C₂₁),(C₁₁,C₂₂),…,(C₁₁,C_2t),(C₁₂,C₂₁),…(C₁₂,C_2t),…,(C_1(s‑1),C_2t),(C_1s,C₂₁),…,(C_1s,C_2t)}，I_1i与C_1k分别为第一个图书本体的实例与概念，i∈{1,2,…,n}，k∈{1,2,…,s}，n与s分别为第一个图书本体中实例与概念的总量，I_2j与C_2p分别为第二个图书本体的实例与概念，j∈{1,2,…,m}，p∈{1,2,…,t}，m与t分别为第二个图书本体中实例与概念的总量，(I_1i,I_2j)为待匹配实例对，(C_1k,C_2p)为待匹配的概念对；2)对于所述步骤1)中生成的所有待匹配的实例对，利用启发式实例匹配规则与基于监督学习的决策模型进行实例匹配，匹配过程如下：2a)对所有待匹配实例对，利用如下启发式实例匹配规则进行关系的判断：如果待匹配的一对实例均具有国际标准书号，则进一步判断两者的国际标准书号是否相同，若相同，则判定两实例等价，若不同，则判定不等价；若待匹配的一对实例的国际标准书号有缺失，则认为无法判定该实例对之间是否存在等价关系；完成对所有待匹配实例对的上述判断后，若存在无法判定关系的实例对，则进入步骤2b)，否则实例匹配结束，进入步骤3)；2b)从判定出关系的实例对中进行抽样，并提取图书实例的有效特征，包括：书名、作者、译者、出版社、页数、开本、出版时间、原始定价，用于训练基于监督学习的决策模型，进而将无法判定关系的实例对的有效特征输入所述基于监督学习的决策模型，得出各实例对的两个实例之间是否存在等价关系；3)对于所述步骤1)中生成的所有待匹配的概念对，利用基于半监督学习的标签传播算法进行概念匹配，匹配过程如下：3a)将每个待匹配的概念对(C_1k,C_2p)作为正向概念对，为其生成反向概念对(C_2p,C_1k)；3b)分别为每个正向概念对和每个反向概念对构造不对称的字符串相似度、相关概念集合相似度、相关概念向量相似度、文本上下文相似度、实例集合相似度，作为其自身的特征；3c)针对所有正向概念对和反向概念对，利用显式图书概念间上下位关系匹配规则挖掘出上下位关系和非上下位关系，对并对其添加标签作为已标注概念对，然后将所有正反向概念对作为节点构建一个完全图，再根据所述步骤3b)中得到的正向概念对的特征和反向概念对的特征计算所有节点间边的权重，最后利用基于半监督学习的标签传播算法判断每个正向概念对的两个概念之间，以及每个反向概念对的两个概念之间是否存在上下位关系，若一个正向概念对(C_1k,C_2p)的两个概念之间，以及其反向概念对(C_2p，C_1k)的两个概念之间均存在上下位关系，则判定概念C_1k与C_2p间为等价关系；4)将所述步骤2)中生成的实例匹配结果与所述步骤3)中生成的概念匹配结果，共同作为最终的图书本体的匹配结果。