zhangkezun - [email protected] (Graph Data Management Lab at

Report
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
knowledgebase
• 百科解析(使用htmlparser)
– Baidu.解析出多义词、infobox、linkage、catagory
– Wiki. 解析出infobox、中英文entity、catagory
– Hudong.解析出infobox、中英文entity、category
• 五张表
–
–
–
–
–
baiduEntity(source:baidu)
engEntity(source:wiki/hudong)
linkage(source:baidu)
infobox(source:baidu/wiki/hudong)
taxonomy(source:baidu/wiki/hudong)
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
knowledgebase
• 存储表格
– baiduEntity表
– engEntity表
– linkage表
id
entity_name
source
1
百度百科
baidu
…
…
…
entity_name
english_name
source
苹果
Apple
Wiki/hudong
…
…
…
entity_name alias
linkEntity source
苹果
蔷薇科苹果
植物
香蕉
baidu
苹果
苹果公司
乔布斯
baidu
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
knowledgebase
• 存储表格
– infobox表
entity_name
alias
苹果
苹果
attribute
value
source
蔷薇科苹果植物 目
蔷薇目
baidu
苹果公司
外文名
Apple.Inc
baidu
– taxonomy表
entity_name
alias
catagory
source
苹果
蔷薇科苹果植物
水果
baidu
苹果
苹果公司
跨国公司
baidu
– Wiki、hudong数据alias列值与entity_name相同
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
Web Site
• 网址(内网)
– http://10.131.246.72:8080/Soso
• 界面
–
• 输入格式
–
–
–
–
刘德华(单一实体)
刘德华 代表作品(实体及属性,以空格分开)
I DO I DO(带空格的实体)
I DO I DO 主演(带空格的实体及其属性)
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
Web Site
• Searching result
– 李白
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
Web Site
• Searching result
– 李白
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
Web Site
• Searching result
– 李白 代表作品
– I DO I DO 导演
[email protected] http://gdm.fudan.edu.cn
Graph Data Management Lab, School of Computer Science
Web Site
• Statement
– 数据源索引、baidu多义词索引能够定位到网页
指定的位置
 Problems
– 数据库中空格在网页中显示为“+”(编码问题)
– Linkage搜索的链接跳转存在问题(中文编码问
题--linkage为英文可以跳转搜索但中文无法显示,
linkage为中文无搜索结果)

similar documents