基于HITS的冲突Deep Web数据多真值发现算法

doi:10.3969/j.issn.1000-3428.2016.09.028

计算机工程

基于HITS的冲突Deep Web数据多真值发现算法

王继奎¹,李少波²

(1.兰州财经大学电子商务综合重点实验室,兰州 730000; 2.贵州大学现代制造技术教育部重点实验室,贵阳 550003)

收稿日期:2015-08-17 出版日期:2016-09-15 发布日期:2016-09-15
作者简介:王继奎(1978-),男,副教授、博士,主研方向为数据处理、数据集成;李少波,教授、博士生导师。
基金项目:
国家社科基金资助项目“基于大数据整合的空气质量测度方法研究”(14GSD95);全国统计科研基金资助重点项目“海量异源异物数据的采集、存储和分析方案研究”(2013LZ44);陇原创新人才扶持计划基金资助项目(14GSD95);甘肃省财政厅高校基本科研业务费基金资助项目(GZ14007，GZ14023)。

Multiple Truth Value Discovery Algorithm for Conflicting Deep Web Data Based on HITS

WANG Jikui¹,LI Shaobo ²

(1.Comprehensive Key Laboratory of Electronic Commerce,Lanzhou University of Finance and Economics,Lanzhou 730000,China;2.Key Laboratory of Advanced Manufacturing Technology,Ministry of Education,Guizhou University,Guiyang 550003,China)

Received:2015-08-17 Online:2016-09-15 Published:2016-09-15

摘要/Abstract

摘要： 目前多数真值发现算法建立在真值唯一的基础上,无法处理多真值的情况。为此,针对冲突Deep Web数据的多真值发现问题,借鉴HITS算法思想,定义视图权威度与视图描述可信度,两者相互影响。在此基础上,定义视图链接关系图,提出多真值迭代发现算法MTF。当算法收敛时,权威度最大的视图就是真值。在Book-Authors数据集上进行实验,结果表明,与基准算法VOTE相比,MTF算法的精确度大幅提高。

关键词: Web数据源, 数据模型, 可信度, 视图, 真值发现

Abstract: Based on the assumption of only one truth value,most of current truth value discovery algorithm cannot process the multiple truth value condition.In order to solve this problem,aiming at the multiple true value discovery problem in conflicting Deep Web data,this paper defines authority of view and credibility of description,inspired by the idea of Hypertext-Induced Topic Search(HITS) algorithm.The authority of view and the credibility of description depend on each other.On this basis,it constructs link graph of views,and proposes an iterative multiple truth value discovery algorithm,named MTF.When the algorithm converges,the view with maximum authority is the truth value.Experimental results on Book-Authors datesets show that the accuracy of MTF can be improved greatly than standard VOTE algorithm.

Key words: Web data source, data model, credibility, view, truth value discovery

中图分类号:

TP311

王继奎,李少波. 基于HITS的冲突Deep Web数据多真值发现算法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2016.09.028.

WANG Jikui,LI Shaobo. Multiple Truth Value Discovery Algorithm for Conflicting Deep Web Data Based on HITS [J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2016.09.028.

参考文献

参考文献［1］刘伟,孟小峰,孟卫一.Deep Web数据集成研究综述［J］.计算机学报,2007,30(9):1475-1489. ［2］Zhao Bo,Rubinstein B I P,Jim G,et al.A Bayesian Approach to Discovering Truth from Conflicting Sources for Data Integration［J］.The VLDB Journal,2012,5(6):550-561. ［3］Li Xian,Dong X L,Kenneth L,et al.Truth Finding on the Deep Web:Is the Problem Solved?［C］//Pro-ceedings of the 38th International Conference on Very Large Databases.New York,USA:ACM Press,2012:97-108. ［4］Kleinberg J M.Authoritative Sources in a Hyperlinked Environment［J］.Journal of the ACM,1999,46(5):604-632. ［5］Jeff P,Dan R.Making Better Informed Trust Decisions with Generalized Fact-finding［C］//Proceedings of the 22nd International Joint Conference on Artificial Intel-ligence.Barcelona,Spain:［s.n.］,2011:2324-2329. ［6］Jeff P,Dan R.Knowing What to Believe(When You Already Know Something)［C］//Proceedings of the 23rd International Conference on Computational Linguistics.New York,USA:ACM Press,2010:877-885. ［7］Yin Xiaoxin,Han Jiawei,Yu P S.Truth Discovery with Multiple Conflicting Information Providers on the Web［J］.IEEE Transactions on Knowledge and Data Engineering,2008,20(6):796-808. ［8］Dong X L,Laure B,Divesh S.Integrating Conflicting Data:The Role of Source Dependence［C］//Proceedings of the 35th International Conference on Very Large Databases.New York,USA:ACM Press,2009:550-561. ［9］张永新,李庆忠,彭朝晖.基于Markov逻辑网的两阶段数据冲突解决方法［J］.计算机学报,2012,35(1):101-111. ［10］张志强,刘丽霞,谢晓芹,等.基于数据源依赖关系的信息评价方法研究［J］.计算机学报,2012,35(11):2392-2402. ［11］Manish G,Han Jiawei.Heterogeneous Network-based Trust Analysis:A Survey［J］.ACM SIGKDD Explorations Newsletter,2011,13(1):54-71. ［12］Clough R W,Penzien J.Dynamics of Structures［M］.［S.l.］:Taylor & Francis Group,1995:281-285. ［13］陈建兵,敖鸿斐.乘幂法求矩阵特征向量与特征值的初始向量及循环控制［J］.数学的实践与认识,2001,31(2):148-152. ［14］Books-Authors［EB/OL］.［2015-07-15］.http://Lunadong.com/Fusiondatasets.htm. ［15］Dong X L,Berti-Equille L,Srivastava D.Data Fusion:Resolving Conflicts from Multiple Sources［C］//Proceedings of the 14th International Conference on Web-Age Information Management.Berlin,Germany:Springer,2013:64-76. 编辑金胡考

[1]	王淼,耿国华,史重阳,余凡. 基于马尔可夫随机场的无缝纹理映射[J]. 计算机工程, 2018, 44(7): 237-243.
[2]	任秀丽,吉鹏硕. WSN中基于分簇的模糊加权数据融合算法[J]. 计算机工程, 2018, 44(3): 109-113,118.
[3]	王艺星,孙连山,石丽波. 一种高效用数据起源过滤机制[J]. 计算机工程, 2018, 44(3): 144-150.
[4]	白静,相潇,司庆龙,刘振刚,秦飞巍. 基于多局部显著视图与CNN的三维模型分类[J]. 计算机工程, 2018, 44(12): 215-221,227.
[5]	樊永生,连云霞,杨臻. 改进烟花算法在虚拟士兵路径规划中的应用[J]. 计算机工程, 2018, 44(12): 228-232.
[6]	胡计鹏,谭励,杨明华,张亚明. 一种基于可信密码模块的用户行为度量方法[J]. 计算机工程, 2017, 43(5): 121-128.
[7]	赵星,李石君,余伟,杨莎,丁永刚,胡亚慧. 大数据环境下Web数据源质量评估方法研究[J]. 计算机工程, 2017, 43(2): 48-56.
[8]	王超锋,施俊,吴金杰,朱捷. 基于Hessian正则化的多视图联合非负矩阵分解算法[J]. 计算机工程, 2017, 43(11): 134-139.
[9]	李亚格,兰诚栋. 基于iOS的移动办公系统设计与性能优化[J]. 计算机工程, 2016, 42(7): 22-26.
[10]	张静,李国庆,于文洋. 基于OpenSearch的对地观测数据统一集成发现[J]. 计算机工程, 2016, 42(6): 60-67.
[11]	费翔,周健. 一种处理冲突证据的D-S证据权重计算方法[J]. 计算机工程, 2016, 42(2): 142-145.
[12]	吴文明,刘茜萍. 基于可信相似用户的服务推荐方法[J]. 计算机工程, 2016, 42(11): 57-63,69.
[13]	华海亮,关维国,刘志建,孙泽鸿. 基于优化贝叶斯的室内WiFi与蓝牙融合定位算法[J]. 计算机工程, 2016, 42(11): 114-119.
[14]	葛敬军,孔繁之,张明,滕剑锋,刘歆. 数据密集型应用中的异构数据集成服务研究[J]. 计算机工程, 2015, 41(7): 60-65.
[15]	赵法信. 基于Vague关系数据模型的连接操作[J]. 计算机工程, 2014, 40(8): 48-51,57.

基于HITS的冲突Deep Web数据多真值发现算法

Multiple Truth Value Discovery Algorithm for Conflicting Deep Web Data Based on HITS

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10