[发明专利]基于实体的文本数据与XML文档的匹配方法

摘要

一种基于实体的文本数据与XML文档的匹配方法，包括：将文本数据的模式定义为实体及实例集合，将文本数据与XML文档模式匹配的语义定义为在XML文档中检索包含所有实体、实例对集合的最小连通子树，将查询结果定义为基于实体的最近语义片段；基于实体的最近语义片段定义为XML树上覆盖所有实体及实例信息的最小连通子树；模式匹配过程首先使用基于条件随机场的实体抽取算法提取文本文档的实体及实例信息，然后在XML文档树中查询覆盖所有实体及实例的最近语义片段作为匹配对象。本发明能够有效支持文本数据和XML文档等异构数据间的集成，召回率、准确率高，匹配效果好，可应用于企业异构数据集中管理分析、大数据技术实施前的数据集成等领域。

主权项

一种基于实体的文本数据与XML文档的匹配方法，其特征在于，包括：将文本数据的模式定义为实体及实例集合，将文本数据与XML文档模式匹配的语义定义为在XML文档中检索包含所有实体、实例对集合的最小连通子树，将查询结果定义为基于实体的最近语义片段；将XML文档构造为一棵有序的带标记树，构造成的XML树的节点采用带类型的Dewey编码标注；通过基于条件随机场的实体抽取算法提取文本数据的实体及实例信息，结合XML树，找出所有可能组合的基于实体的近似语义片段节点集，然后通过筛选保留最近语义片段候选集；对所有候选的最近语义片段进行评分，以得分最高的最近语义片段作为最终匹配结果。