从自然语言向SPARQL语言映射的歧义消解算法

吉林大学学报(理学版)

从自然语言向SPARQL语言映射的歧义消解算法

董立岩^1, 张高祥^1, 孙博^1, 郎一宁^2

1. 吉林大学计算机科学与技术学院, 长春 130012； 2. 北京理工大学计算机学院, 北京 100081

收稿日期:2015-12-18 出版日期:2016-05-26 发布日期:2016-05-20
通讯作者: 张高祥 E-mail:85192510@qq.com

Ambiguity Resolution Algorithm for Mapping from Natural Language to SPARQL Languege

DONG Liyan¹, ZHANG Gaoxiang¹, SUN Bo¹, LANG Yining²

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;2. School of Computer Science & Technology, Beijing Institute of Technology, Beijing 100081, China

Received:2015-12-18 Online:2016-05-26 Published:2016-05-20
Contact: ZHANG Gaoxiang E-mail:85192510@qq.com

摘要/Abstract

摘要：

针对计算机各语言间的无岐义映射问题, 提出一种从自然语言向SPARQL语言映射过程中的歧义消解算法. 该算法基于自然语言的特征, 拟合知识丰富程度和文本相似度消解实体映射过程中的歧义性, 拟合语义权重度和文本相似度消解关系映射过程中的歧义性. 实验结果表明, 该算法效果较好.

关键词: 歧义消解, 文本相似度, 知识丰富程度, 语义权重度

Abstract:

Aiming at the problem of non ambiguity mapping between computer languages, we proposed an ambiguity resolution algorithm for mapping from natural language to SPARQL language. The algorithm was based on the characteristics of natural language, fitting quantity of facts and the text similarity to resolve ambiguity in the process of entity mapping, fitting the text similarity and the semanticsweight of relation to resolve the ambiguity in the process of relation mapping. Experimental results show that the algorithm is effective.

Key words: ambiguity resolution, text similarity, quantity of facts; , semanticsweight of relation

中图分类号:

TP391

董立岩, 张高祥, 孙博, 郎一宁. 从自然语言向SPARQL语言映射的歧义消解算法[J]. 吉林大学学报(理学版), 2016, 54(03): 535-538.

DONG Liyan, ZHANG Gaoxiang, SUN Bo, LANG Yining. Ambiguity Resolution Algorithm for Mapping from Natural Language to SPARQL Languege[J]. Journal of Jilin University Science Edition, 2016, 54(03): 535-538.

[1]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[2]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[3]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[4]	孙启隆, 于萍, 司振惠, 郭鑫, 王岩. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1179-1187.
[5]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[6]	胡雅婷, 陈营华, 宝音巴特, 曲福恒, 李卓识. 一种增量式MinMax k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1205-1211.
[7]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[8]	蒲晓川, 黄俊丽, 祁宁, 宋长松. 基于密度信息熵的K-means算法在客户细分中的应用[J]. 吉林大学学报(理学版), 2021, 59(5): 1245-1251.
[9]	焦冲, 苏科华, 吴博文, 任术波, 辛宁. 一种基于局部平均法向变形的网格参数化方法[J]. 吉林大学学报(理学版), 2021, 59(4): 867-876.
[10]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[11]	孙俊, 才华, 朱新丽, 胡浩, 李英超. 基于双重注意力机制的深度人脸表示算法[J]. 吉林大学学报(理学版), 2021, 59(4): 883-890.
[12]	傅博, 王瑞子, 王丽妍, 张湘怡. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报(理学版), 2021, 59(4): 891-899.
[13]	李晓峰, 李东, 王妍玮. 基于深度残差网络的医学超声图像多尺度边缘检测算法[J]. 吉林大学学报(理学版), 2021, 59(4): 900-908.
[14]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[15]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.