策展规则的增强理解与自动化适配
信息检索
2020-07-20 v1
摘要
过去几年中，已有许多工作致力于策展原始数据并提升其附加价值。数据策展被定义为分析人员为将原始数据转化为情境化数据与知识所开展的活动与流程。数据策展使决策者和数据分析人员能够从原始数据中提取价值并获得洞察。然而，为了策展原始数据，分析人员需要执行多种策展任务，包括抽取、链接、分类和索引，这些任务易出错、繁琐且具有挑战性。此外，获取洞察要求分析人员花费大量时间扫描和分析策展环境。当策展环境规模庞大、且分析人员需要策展一份多样而全面的的数据清单时，该问题愈发严重。为应对这些挑战，在本学位论文中，我们提出了用于增强分析人员策展任务的技术、算法与系统。我们提出：(1) 一种基于特征且自动化的原始数据策展技术。(2) 我们提出一种用于适配数据策展规则的自主方法。(3) 我们提供一种在大规模信息空间中策展数据时增强用户偏好表述的解决方案。(4) 我们实现了一组用于自动化基础策展任务的API，包括命名实体抽取、词性标注、分类等。
引用
@article{arxiv.2007.08710,
title = {Augmented Understanding and Automated Adaptation of Curation Rules},
author = {Alireza Tabebordbar},
journal= {arXiv preprint arXiv:2007.08710},
year = {2020}
}