[发明专利]时态数据集上的实体识别方法

权利要求书

1.一种时态数据集上的实体识别方法，其特征在于，包括以下步骤：

S1：基于规则对数据进行预处理，根据否定匹配依赖规则将初始数据集合S分成多个小集合，利用时序约束规则对不可能指向同一实体的记录对之间标记符号“-”，每个小集合中未被标记符号“-”的记录之间使用符号“·”进行连接并计算每个小集合中被标记符号“·”的记录之间的相似度sim(t₁,t₂)；

S2：框架聚类，当两条记录t₁,t₂之间有符号“·”连接且它们的相似度sim(t₁,t₂)大于阈值θ_h时，使用符号“+”连接这两条记录，在存在“+”关系的记录对上计算传递闭包以得到初始数据集S的框架聚类结果Q；

S3：类融合，定义所述框架聚类结果Q中只包含一条记录的类为单体类，包含多条记录的类为实体类，将所述单体类选择性地融合到所述实体类中转化为候选类，所述实体类直接转化为候选类，进一步对所述候选类进行融合；

步骤S1中，按照下述步骤计算两条记录t₁,t₂之间的相似度sim(t₁,t₂)：

①根据所述时序约束规则确定记录t₁,t₂在属性上的时序；

②对于每个属性，按照以下公式计算不确定性U(A_i):

其中，＜_Ai表示在属性A_i上的时效性关系运算符；

③对于每个属性，按照以下公式计算其权重W(A_i):

④按照以下公式计算两条记录t₁,t₂之间的相似度sim(t₁,t₂):

2.根据权利要求1所述的一种时态数据集上的实体识别方法，其特征在于，所述步骤S1中，利用式(1)中的否定匹配依赖规则划分初始数据集S：

此规则表明当任意两条记录t₁与t₂，在属性A_j上不相同时，它们一定指向不同实体。

3.根据权利要求1所述的一种时态数据集上的实体识别方法，其特征在于，步骤S1中的所述初始数据集合S为职员信息管理数据，所述时序约束规则为式(2)、(3)、(4)

其中，salary表示职员的报酬，status表示职员的婚姻状态，address表示职员的家庭住址，对于同一职员在数据集合中的两条记录t₁和t₂，规则ψ₁表示如果t₁在报酬属性上的值低于t₂，则判定t₂在报酬属性上时效性高于t₁；规则ψ₂表示如果记录t₁在婚姻状态属性上的值为单身，记录t₂的值为已婚，则判定t₂在婚姻状态属性上时效性高于t₁；规则ψ₃表明，如果t₂在婚姻状态属性上时效性高于t₁，则判定t₂在家庭住址属性上时效性高于t₁。

4.根据权利要求1所述的一种时态数据集上的实体识别方法，其特征在于，所述步骤S3中，所述将所述单体类选择性地融合到所述实体类中转化为候选类包括：计算所述单体类与所有实体类的相似度，如果所述单体类与某个实体类的相似度大于已设定的阈值θ_u，那么将所述单体类融合到所述某个实体类中；如果小于已设定的阈值θ_u，那么将所述单体类转化为一个新的候选类。