异构信息空间中时间感知的个性化语义实体搜索关键技术研究

To face massive heterogeneous, evolving, associated entities with the time information in heterogeneous information space, traditional techniques on entity search have been unable to meet the currently users’ entity search requirements on time-awareness, data quality and personalization. Therefore, aiming at key techniques on time-awareness personalized semantic entity search in heterogeneous information space, this project will study the temporal data model for heterogeneous entities and associations with time information in heterogeneous information space ; time-awareness temporal association mining algorithm and association strength quantification model to provide semantic foundation for the entity search ; time-awareness entity resolution and data fusion techniques to guarantee data quality for entity search; time-awareness multidimensional query intent recognition model and personalized entity ranking model to improve users’ satisfaction of information needs. Research and development results of this project will provide good support for data management and entity search in heterogeneous information space to achieve the purposes of efficient using heterogeneous data resources and improving information retrieval efficiency, which has broad application prospects and practical value.

面对异构信息空间中海量的、异构的、不断演化的、相互关联的、具有时间信息的实体数据，传统实体搜索技术已经无法满足当前用户在时间感知、数据质量和个性化上的需求。因此本项目将针对异构信息空间中时间感知的个性化语义实体搜索关键技术进行研究，研究适合异构信息空间中具有时间信息的异构实体及其关联关系的时态数据模型（Temporal data model）；研究时间感知的时态关联关系（Temporal association）挖掘算法与关联强度量化模型为实体搜索提供语义基础和依据；研究时间感知的实体识别与数据融合技术为实体搜索提供数据质量保证；研究时间感知的多维度动态的查询意图识别和多因素个性化实体排序模型，提高用户信息需求的满意度。本项目的研发成果将为异构信息空间的数据管理和实体搜索提供良好支持，达到高效异构数据资源利用和提高信息检索效率的目的，具有广阔的应用前景和实用价值。

面对异构信息空间中海量的、异构的、不断演化的、相互关联的、具有时间信息的实体数据，传统实体搜索技术已经无法满足用户在时间感知、数据质量和个性化上的需求。本项目针对异构信息空间中时间感知的个性化语义实体搜索关键技术进行研究，研究适合异构信息空间中具有时间信息的异构实体及其关联关系的时态数据模型；研究时间感知的时态关联关系挖掘算法与关联强度模型；研究时间感知的实体识别与数据融合技术；研究时间感知的多维度动态的查询意图识别和多因素个性化实体推荐模型。提出了一个以实体为中心支持多模态融合实体搜索的多层时态数据模型MTE-Network，有效捕捉异构实体和关联关系的时间信息并且支持多种语义查询，实验结果表明MTE-Network的可行性和有效性；提出了时间感知的集合式实体关联关系挖掘算法，提高实体关联关系挖掘的准确性和效率；提出了时间敏感的基于演化的实体识别算法TSE-Clustering，在真实数据集上的实验结果表明TSE-Clustering有效地提高了具有时间信息的异构实体的实体识别准确率；提出时间感知的查询时实体识别与数据融合方法TQ-ER以保证用户查询时的数据质量。TQ-ER充分利用查询的时间上下文和实体的时间信息，对正确地回答一个给定查询所需要的、最少的实体数据进行识别与数据融合, 提出了基于用户地理位置、时间查询意图的Web搜索实体个性化排序模型GT-WSearch，实验结果表明GT-Search提高搜索结果的质量和用户满意度。