Combining Local Scoring and Global Aggregation to Rank Entities for Deep Web Queries
Kou Yue, 申德荣, 于戈, 聂铁铮 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2009
与网数据库的快速的生长，自动地提取并且集成在深网可得到的大规模数据是必要的。但是当前的网搜索引擎进行页级的评价，它为面向实体的垂直搜索正在变得不适当。在这篇论文，我们在场实体级的评价机制基于本地得分和全球聚集为深网询问叫了 LG-ERM。不同于传统的途径， LG-ERM 考虑包括实体抽取，实体的风格信息和网来源，以及实体关系的重要性的不确定性影响因素的更多的等级。由联合在评价的本地得分和全球聚集，询问结果能更精确、有效满足用户的需要。实验表明 LG-ERM 的关键技术的可行性和有效性。这篇文章(doi:10.1007/s11390-009-9263-y ) 的联机版本包含增补材料，它对授权的用户可得到。