文档介绍：Web数据集成中企业实体踪迹识别关键问题的研究
主要内容
选题背景
研究现状
研究内容
拟解决方案
研究进度及时间安排
*
选题背景(1)
市场情报分析(MI)的重要性
Web数据集成系统是获取市场情报的重要工具
*
Web数据集成中企业实体踪迹识别关键问题的研究
主要内容
选题背景
研究现状
研究内容
拟解决方案
研究进度及时间安排
*
选题背景(1)
市场情报分析(MI)的重要性
Web数据集成系统是获取市场情报的重要工具
*
选题背景(2)
Web企业实体踪迹适应数据集成发展的需要
Web企业实体踪迹信息提供重要的市场情报
了解企业实体的规模

了解企业实体的行为
如：国美收购
层次一：了解企业实体收购的所有公司
层次二：了解收购一个特定公司的过程和特点
了解企业实体之间的关系
收购关系
合作关系
竞争关系
*
Web企业实体踪迹信息的特点
多数据源
Web企业实体踪迹信息广泛存在于公司主页、新闻、百度百科
等网页中
数据结构复杂
解决方案
企业实体踪迹信息的识别
Web企业实体踪迹的抽取、重复检测和融合
Web企业实体踪迹信息的规格化
选题背景(3)
*
目前踪迹研究侧重于事件的抽取和人物的追踪
事件抽取的模式匹配方法和机器识别方法
预先定义事件模板，事件触发词驱动
不适合企业实体踪迹

人物和企业实体有各自的特点

重复检测研究侧重于数据库中的数据
需要对企业实体踪迹信息规格化
研究现状(1)
*
事件融合研究侧重于面向话题的融合
话题检测与追踪（Topic Detection and Tracking，简称TDT）与踪迹
TDT把不同实体参与的围绕同一话题的事件组织在一起
踪迹把同一实体参与的围绕不同话题的事件组织在一起
研究现状(2)
*
研究目标
在已获取Web企业实体事件集的基础上，对于不同信息
源提供的企业实体事件经过相关处理得到规格化的事件
信息，对事件重复检测和融合，形成结构化、层次化显
示的Web企业实体踪迹。
研究内容(1)
*
研究框架
初始文档集
Web企业实体踪迹
文档识别
事件抽取
事件集合
事件规格化
元素规格化
事件重复检测
互补元素的融合
冗余元素的融合
事件识别
文本预处理
构建重复检测模型
事件融合
结构化
层次化
显示
互斥元素的融合
事件聚类
研究内容(2)
*
*
*
起讫日期
主要研究内容
预期结果
2019年9月-2019年12月
论文阅读及选题
完成开题报告
2019年1月-2019年8月
通过阅读文献，进行相关实验，研究事件规格化问题
设计合适的算法，发表相关论文
2019年9月-2019年2月
研究活动行为相似性判断问题，设计原型程序，扩展证据理论重复检测模型，进行相关文献阅读及实验
设计重复检测模型，完成Web实体活动行为词典的构建和扩充，发表相关论文
2019年3月-2019年10月
研究事件元素的融合，进行相关文献阅读及实验
设计融合方法，发表相关论文
2019年11月-2019年2月
Web企业实体踪迹识别原型的完善、测试和部署
完成系统原型
2019年3月-2019年6月
撰写博士论文
提交博士论文
研究进度及具体时间安排
*
谢谢聆听
16