[发明专利]一种融合Wikidata的实体对齐方法

权利要求书

1.一种融合Wikidata的实体对齐方法，其特征在于通过数据预处理，根据Wikidata中标签信息及具体业务数据进行分组，具体到每个分组，对业务数据中的每个实体和Wikidata中每个实体构建匹配对，通过计算相似度选择匹配实体对。

2.根据权利要求1所述的一种融合Wikidata的实体对齐方法，其特征在于针对未匹配到结果的业务实体，去CN-Dbpedia匹配实体，并利用Wikidata和CN-Dbpedia间映射关系将业务实体匹配到Wikidata中对应实体。

3.根据权利要求2所述的一种融合Wikidata的实体对齐方法，其特征在于在业务数据模型的基础上，构建融合Wikidata数据的数据模型增加数值类型属性以及数据标签。

4.根据权利要求3所述的一种融合Wikidata的实体对齐方法，其特征在于所述增加数值类型属性，取值范围包括时间、复合属性、原始属性、地理坐标、实体以及数量，针对每种取值类型构建相应的数据模型。

5.根据权利要求3或4所述的一种融合Wikidata的实体对齐方法，其特征在于所述数据标签包括媒体文件、文档、站外链接、页面文件、页面模板应用、页面模板文件以及内容管理。

6.根据权利要求1或2或3所述的一种融合Wikidata的实体对齐方法，其特征在于所述预处理，基于业务数据质量问题进行数据处理，包括数据规范化、同义词处理、特殊字符以及停用词处理。

7.根据权利要求1所述的一种融合Wikidata的实体对齐方法，其特征在于所述分组采用最小化组内数量的策略，只匹配组内的实体。

8.根据权利要求1所述的一种融合Wikidata的实体对齐方法，其特征在于通过词别级的TF-IDF进行提取特征，并计算预先相似度，选择匹配实体对。

9.一种融合Wikidata的实体对齐装置，其特征在于，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行权利要求1至8任一所述的方法。

10.计算机可读介质，其特征在于，所述计算机可读介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行权利要求1至8任一所述的方法。