微博知识图谱构建方法研究

被引：66

作者：

杜亚军

吴越

机构：

[1] 西华大学数学与计算机学院

来源：

西华大学学报(自然科学版) | 2015年 / 34卷 / 01期

关键词：

微博; 知识图谱; 图谱构建; 概念提取; 关系提取;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

摘要：

传统搜索引擎需要用户从返回网页中提炼有用知识;社交网络搜索根据人物的社会关系、共同爱好,提供人物和兴趣间的关系等方面的搜索结果。当前,社交网络搜索主要存在2个问题:不能从语义上理解用户查询词;仅局限于人物、兴趣搜索,限制了查询范围。为解决微博搜索中存在的一些问题,并主动返回更多知识,基于微博这一社交网络的重要平台,研究微博社区知识图谱构建方法,重点提出5方面的研究:微博社区中概念提取,其概念包括人物、事物、地点、事件和话题等5种类型;微博社区概念间的关系提取,其关系包括上述5种概念间的组合关系;知识图谱是带有语义的网络图谱,将概念作为顶点并将概念间关系作为边,研究知识图谱的构建方法;分析微博社区知识图谱,包括构建效果、演化特征、应用效果分析;研发基于微博知识图谱的应用系统等内容。

引用

页码：27 / 35+89 +89

页数：10

共 33 条

[1]

面向新浪微博的数据采集和社区发现算法研究 [D].

史春永 .

华中科技大学,

2012

[2]

An update logic for information systems [J].

Khan, Md Aquil ;

Banerjee, Mohua ;

Rieke, Roland .

INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2014, 55 (01) :436-456

[3]

Minimally-supervised learning of domain-specific causal relations using an open-domain corpus as knowledge base.[J].Ashwin Ittoo;Gosse Bouma.Data & Knowledge Engineering.2013,

[4]

A topic-specific crawling strategy based on semantics similarity.[J].YaJun Du;QiangQiang Pen;ZhaoQiong Gao.Data & Knowledge Engineering.2013,

[5]

Mining temporal explicit and implicit semantic relations between entities using web search engines.[J].Zheng Xu;Xiangfeng Luo;Shunxiang Zhang;Xiao Wei;Lin Mei;Chuanping Hu.Future Generation Computer Systems.2014,

[6]

Context-based microblog browsing for mobile users [J].