观点挖掘综述

随着互联网技术的飞速发展,博客、社交网络、微博等平台的出现,使得人们在网络上发表个人观点变得更为方便快捷.从海量的数据中提取出消费者、商家、政府等群体需要的信息,并对其进行分析、总结,从而形成有针对性的、可读性强的分析结果.以观点挖掘的流程为线索,从观点提取、极性分析、观点总结等方面对观点挖掘做了较为全面的分析.其中观点提取部分介绍了域依赖性的概念,并例举观点句提取所采用的主要技术;极性分析部分对有监督学习与无监督学习、定性判断极性与定量判断极性进行对比;而观点总结部分则简要介绍了基于方面、观点对比和关键语句等总结的形式.还介绍了在不同的挖掘粒度上所运用的技术,涉及信息检索、自然语言处理、机器学习等.最后,总结了观点挖掘技术中依然存在的具有挑战性的问题,并预测未来观点挖掘领域的研究趋势.     

基于关键字的数据库搜索研究综述

介绍了基于关键字的关系数据库搜索技术的研究成果,从数据建模、体系结构、关键算法等几个方面详细分析和比较了各种技术的特点和优劣,并指出了现有技术中存在的一些问题,提出数据库关键字搜索技术未来的研究方向。     

面向大规模无结构数据的Web方面搜索方法

针对Web数据的异构性和非结构特征,提出一种最小开销的Web方面实体搜索方法：FacetedWeb.采用命名实体对Web进行结构化的标注,将无结构的Web数据建模为实体元组数据库以支持多类型的实体搜索和动态的方面选择.采用基于随机行走模型的概率排序算法,用结点的个性化PageRank值来衡量结果的相关性,以构造最小开销的方面接口.在真实Web数据集Clueweb上实现了FacetedWeb的原型系统,通过用户评测数据验证了FacetedWeb作为通用Web方面搜索引擎的有效性,并与传统实体搜索算法的进行对比,结果表明FacetedWeb在实体搜索的效率和精确度上具有明显的优势.