Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2019 | OriginalPaper | Buchkapitel

A Probabilistic Approach for Inferring Latent Entity Associations in Textual Web Contents

verfasst von : Lei Li, Kun Yue, Binbin Zhang, Zhengbao Sun

Erschienen in: Database Systems for Advanced Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Latent entity associations (EA) represent that two entities associate with each other indirectly through multiple intermediate entities in different textual Web contents (TWCs) including e-mails, Web news, social network pages, etc. In this paper, by adopting Bayesian Network as the framework to represent and infer latent EAs as well as the probabilities of associations, we propose the concept of entity association Bayesian Network (EABN). To construct EABN efficiently, we employ self-organizing map for TWC dataset division to make the co-occurrence-based dependence of each pair of entities concern just a small set of documents. Using probabilistic inferences of EABN, we evaluate and rank EAs in all possible entity pairs, by which novel latent EAs could be found. Experimental results show the effectiveness and efficiency of our approach.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel UHRP: Uncertainty-Based Pruning Method for Anonymized Data Linear Regression
Literatur
1.
2.
Liao, C., Xiong, Y., Kong, X., Zhu, Y., Zhao, S., Li, S.: Functional-oriented relationship strength estimation: from online events to offline interactions. In: Pei, J., Manolopoulos, Y., Sadiq, S., Li, J. (eds.) DASFAA 2018, Part I. LNCS, vol. 10827, pp. 442–459. Springer, Cham (2018). https://​doi.​org/​10.​1007/​978-3-319-91452-7_​29CrossRef
3.
4.
Liu, W., Yue, K., Yue, M., et al.: A Bayesian network-based approach for incremental learning of uncertain knowledge. Int. J. Uncertain. Fuzziness Knowl.-Based Syst. 26(1), 87–108 (2018)MathSciNetCrossRef
5.
Teye, M., Azizpour, H., Smith, K.: Bayesian uncertainty estimation for batch normalized deep networks. In: Proceedings of the 35th International Conference on Machine Learning, pp. 4914–4923. ACM, New York (2018)
6.
Ishak, R., Messaouda, F., Hafida, B.: Toward a general formalism of fuzzy multi-entity Bayesian networks for representing and reasoning with uncertain knowledge. In: Proceedings of the 19th International Conference on Enterprise Information Systems, ICEIS 2017, vol. 1, pp. 520–528. SciTePress, Setúbal (2017)
7.
Kuo, R.J., Rizki, M., Zulvia, F.E., et al.: Integration of growing self-organizing map and bee colony optimization algorithm for part clustering. Comput. Ind. Eng. 120, 251–265 (2018)CrossRef
8.
Li, Z., Fang, H., Huang, M., et al.: Data-driven bearing fault identification using improved hidden markov model and self-organizing map. Comput. Ind. Eng. 116, 37–46 (2018)CrossRef
9.
Saraswati, A., Nguyen, V.T., Hagenbuchner, M., et al.: High-resolution self-organizing maps for advanced visualization and dimension reduction. Neural Netw. 105, 166–184 (2018)CrossRef
10.
Daphne, K., Nir, F.: Probabilistic Graphical Models: Principles and Techniques, 1st edn. The MIT Press, Cambridge (2009)MATH
11.
Zhang, W., Pan, T., Wang, Y., et al.: UT-LDA based similarity computing in microblog. In: 2015 IEEE International Conference on Software Quality, Reliability and Security, pp. 197–201. IEEE, Piscataway (2015)
12.
Wood, J., Tan, P., Wang, W., et al.: Source-LDA: enhancing probabilistic topic models using prior knowledge sources. In: 33rd IEEE International Conference on Data Engineering, pp. 411–422. IEEE, Piscataway (2017)
13.
Poria, S., Chaturvedi, I., Bisio, F., et al.: Sentic LDA: improving on LDA with semantic similarity for aspect-based sentiment analysis. In: 2016 International Joint Conference on Neural Networks, pp. 4465–4473. IEEE, Piscataway (2016)
14.
Mintz, M., Bills, S., Snow, R., et al.: Distant supervision for relation extraction without labeled data. In: ACL 2009, Proceedings of the 47th Annual Meeting of the Association for Computational Linguistics and the 4th International Joint Conference on Natural Language Processing of the AFNLP, pp. 1003–1011. ACL, Pennsylvania (2009)
15.
Surdeanu, M., Tibshirani, J., Nallapati, R., et al.: Multi-instance multi-label learning for relation extraction. In: Proceedings of the 2012 Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, pp. 455–465. ACL, Pennsylvania (2012)
16.
Ren, X., Wu, Z., He, W., et al.: CoType: joint extraction of typed entities and relations with knowledge bases. In: Proceedings of the 26th International Conference on World Wide Web, pp. 1015–1024. ACM, New York (2017)
17.
Idoudi, R., Ettabaâ, K.S., Solaiman, B.: Association rules-based ontology enrichment. Int. J. Web Appl. 8(1), 16–25 (2016)
18.
Ahmed, E.B., Gargouri, F.: Enhanced association rules over ontology resources. Int. J. Web Appl. 7(1), 10–22 (2015)
19.
Erlandsson, F., Bródka, P., Borg, A., et al.: Enhanced association rules over ontology resources. Entropy 18(5), 164–178 (2016)CrossRef
20.
21.
Färber, M., Bartscherer, F., Menne, C., et al.: Linked data quality of DBpedia, Freebase, OpenCyc, Wikidata, and YAGO. Seman. Web 9(1), 77–129 (2018)CrossRef
22.
Ismayilov, A., Kontokostas, D., Auer, S., et al.: Wikidata through the Eyes of DBpedia. Seman. Web 9(4), 493–503 (2018)CrossRef
23.
Cormen, T.H., Leiserson, C.E., Rivest, R., et al.: Introduction to Algorithms, 2nd edn. The MIT Press, Cambridge (2001)MATH
24.
25.
Metadaten
Titel
A Probabilistic Approach for Inferring Latent Entity Associations in Textual Web Contents
verfasst von
Lei Li
Kun Yue
Binbin Zhang
Zhengbao Sun
Copyright-Jahr
2019
Buch
Database Systems for Advanced Applications

Print ISBN: 978-3-030-18589-3

Electronic ISBN: 978-3-030-18590-9

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-18590-9_1