[发明专利]一种基于异构物品使用事件的物品语意标注方法

说明书

本发明涉及一种基于异构物品使用事件的物品语意标注方法，包括以下步骤：1)建立物品潜在关系强度挖掘模型；2)提取物品隐式特征；3)提取物品显示特征；4)训练物品语义标注模型；提取上述四种特征后，将(F_Latent+F_text+F_S+F_T)组合在一起作为二分类SVM分类器的训练数据，由所有独立二分类器预测的标签聚合作为物品的语义标注结果。本发明的有益效果是：本发明是基于异构物品使用事件建立物品隐式关系强度的潜变量模型，从中提取物品隐式特征，并综合利用显示与隐式特征预测给定物品的类别语义标签，本方法在效率、性能等方面显著优于基于显式特征的现有物品标注方法。

技术领域

本发明涉及一种物品语意标注方法，主要是基于异构物品使用事件建立物品隐式关系强度的潜变量模型，从中提取物品隐式特征，综合利用显示与隐式特征预测给定物品的类别语义标签。

背景技术

在网络-物理智能空间中，人们可以进行物品搜索与对物品的识别和浏览，对物品进行语义标注，是实现上述网络-物理空间应用的关键步骤。然而传统语义标注技术在网络-物理空间当中面临着严峻挑战:由于网络-物理空间中物品的文本资料通常很少和混淆噪声，基于文本的标注技术{[1]WANG D,ZHANG H,LIU R,et al.Feature selection basedon term frequency and T-test for text categorization[C]//Proceedings of 21stACM International Conference on Information and Knowledge Management,CIKM’12,Maui,HI,USA,October 29-November 02,2012:1482–1486.http://doi.acm.org/10.1145/2396761.2398457.[2]XUE X,ZHOU Z.Distributional Features for TextCategorization[J].IEEE Trans.Knowl.Data Eng.,2009,21(3):428–442.https://doi.org/10.1109/TKDE.2008.166.[3]XU Z,JIN R,HUANG K,et al.Semi-supervisedtext categorization by active search[C]//Proceedings of the 17th ACMConference on Information and Knowledge Management,CIKM 2008,Napa Valley,California,USA,October 26-30,2008:1517–1518.http://doi.acm.org/10.1145/1458082.1458364.}无法实现令人满意的标注性能；网络-物理空间中通常缺乏大量已经标注的物品作为训练集且人工标注费时费力；由于需要费时费力的先验知识和构建物品语义网络模型，例如以统一格式(如资源描述框架)手动定义物品的描述及其相应的概念，使得基于语义网络的物品标注方法{[4]COCCOLI M,TORRE I.Interaction with Objects andObjects Annotation in the Semantic Web of Things[C]//Proceedings of The 20thInternational Conference on Distributed Multimedia Systems:Research papers ondistributed multimedia systems,distance education technologies and visuallanguages and computing,Pittsburgh,PA,USA,August 27-29,2014:383–390.[5]DE S,BARNAGHI P,BAUER M,et al.Service modelling for the Internet of Things[C]//Proceedings 2011Federated Conference on Computer Science and InformationSystems(FedCSIS),2011:949–955.[6]ATANASOV I,NIKOLOV A,PENCHEVA E,et al.AnApproach to Data Annotation for Internet of Things[J].IJITWE,2015,10(4):1–19.https://doi.org/10.4018/IJITWE.2015100101.[7]NEVAT I,PETERS G W,AVNIT K,etal.Location of Things:Geospatial Tagging for IoT Using Time-of-Arrival[J].IEEE Trans.Signal and Information Processing over Networks,2016,2(2):174–185.https://doi.org/10.1109/TSIPN.2016.2531422.}不具备扩展性；由于网络-物理空间中物品不具备类似于网页URL或者社交网络中好友关系等显示连接，因此基于链接的标注方法{[8]MCDOWELL L K.Relational active learning for link-basedclassification[C]//Proceedings of 2015 IEEE International Conference on DataScience and Advanced Analytics,DSAA 2015,Campus des Cordeliers,Paris,France,October 19-21,2015:1–10.https://doi.org/10.1109/DSAA.2015.7344798.[9]TIAN Y,YANG Q,HUANG T,et al.Learning Contextual Dependency Network Models for Link-Based Classification[J].IEEE Trans.Knowl.Data Eng.,2006,18(11):1482–1496.https://doi.org/10.1109/TKDE.2006.178.[10]LIMAYE G,SARAWAGI S,CHAKRABARTI S.Annotating and SearchingWeb Tables Using Entities,Types andRelationships[J].PVLDB,2010,3(1):1338–1347.http://www.comp.nus.edu.sg/～vldb2010/proceedings/files/papers/R118.pdf.}不适用于网络-物理空间中的物品标注。