• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Processing & Management >Information retrieval and machine learning for probabilistic schema matching
【24h】

Information retrieval and machine learning for probabilistic schema matching

机译：信息检索和机器学习用于概率模式匹配

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Schema matching is the problem of finding correspondences (mapping rules, e.g. logical formulae) between heterogeneous schemas e.g. in the data exchange domain, or for distributed IR in federated digital libraries. This paper introduces a probabilistic framework, called sPLMap, for automatically learning schema mapping rules, based on given instances of both schemas. Different techniques, mostly from the IR and machine learning fields, are combined for finding suitable mapping candidates. Our approach gives a probabilistic interpretation of the prediction weights of the candidates, selects the rule set with highest matching probability, and outputs probabilistic rules which are capable to deal with, the intrinsic uncertainty of the mapping process. Our approach with different variants has been evaluated on several test sets.
机译：模式匹配是发现异构模式（例如，逻辑规则）之间的对应关系（映射规则，例如逻辑公式）的问题。在数据交换域中，或在联合数字图书馆中用于分布式IR。本文介绍了一个称为sPLMap的概率框架，该框架基于两个模式的给定实例自动学习模式映射规则。结合了主要来自IR和机器学习领域的不同技术，以找到合适的映射候选者。我们的方法对候选人的预测权重进行概率解释，选择匹配概率最高的规则集，并输出能够处理映射过程的内在不确定性的概率规则。我们使用不同变体的方法已在多个测试集上进行了评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号