文献

J-GLOBAL ID：201902228083917312   整理番号：19A1542141

リンク開放データのクローーリングを改善するためのURI選択基準の学習【JST・京大機械翻訳】

Learning URI Selection Criteria to Improve the Crawling of Linked Open Data

著者 (2件)： Huang Hai (Inria, Universite Cote d’Azur, CNRS, I3S, Sophia Antipolis, France) ,  Gandon Fabien (Inria, Universite Cote d’Azur, CNRS, I3S, Sophia Antipolis, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11503  ページ： 194-208  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： リンクオープンデータのWebは,クラウドがますます重要になるという問題を成長させている。通常のWebクローラと異なり,リンクデータクローラは,Web上のリンクRDF(RDFa)データを収集することに焦点を合わせるための選択を実行する。新しく発見され,標的化されたURIを与えられたスループットとカバレッジの観点から,リンクデータクローラの重要な問題は,このURIがRDFデータ源に参照される可能性があるかどうかを決定することである。したがって,それは表現をダウンロードする価値がある。現在の解法は,無関係なURIsをフィルターにかけるために発見的規則を採用した。残念ながら,発見的方法が制限されている場合には,これはクローリングの範囲を妨げる。本論文では,新しく発見されたURIがRDFデータソースに導くか否かを予測することにより,Web上のリンクデータを学習するための戦略を学習するアプローチを提案し比較した。著者らは,関連性を予測する際に使用された特徴と,FTRL-近位オンライン学習アルゴリズムの有望な適応を含む方法を評価した。著者らは,それらの有効性を評価するためのベースライン法として既存のクローラを含む広範な実験を通していくつかのオプションを比較した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ターゲティング ,  *選択基準 ,  予測 ,  スループット ,  Web【情報システム】 ,  発見的方法 ,  有効性 ,  基準線 ,  機械学習 ,  学習アルゴリズム ,  フィルタ
準シソーラス用語： オンライン ,  カバレッジ【プログラム検証】 ,  リンクデータ ,  オープンデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： リンクしたデータ ,  クローーリング戦略 ,  機械学習 ,  オンライン予測

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： リンク ,  選択基準 ,  学習