面向实体识别的聚类算法

摘要：

实体识别是数据质量的一个重要方面,对于大数据处理不可或缺.已有的实体识别研究工作聚焦于数据对象相似度算法、分块技术和监督的实体识别技术,而非监督的实体识别中匹配决定的问题很少被涉及.提出一种面向实体识别的聚类算法来弥补这个缺失.利用数据对象及其相似度构建带权重的数据对象相似图.聚类过程中,利用相似图上重启式随机游走来动态地计算类簇与结点的相似度.聚类的基本逻辑是,类簇迭代地吸收离它最近的结点.提出数据对象排序方法来优化聚类的顺序,提高聚类精确性;提出了优化的随机游走平稳概率分布计算方法,降低聚类算法开销.通过在真实数据集和生成数据集上的对比实验,验证了该算法的有效性.

关键词：实体识别、聚类、随机游走模型、簇点相似度、数据对象排序

所属期刊栏目：27

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金61472070,61402213;国家重点基础研究发展计划9732012CB316201;教育部基本科研业务费项目N110404010National Natural Science Foundation of China61472070,61402213;National Basic Research Program of China 9732012CB316201;Fundamental Research Funds for the Central UniversitiesN110404010

在线出版日期：2016-12-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：2303-2319