| 论文题目: | 面向开放互联网的科学数据挖掘与理解 |
|---|---|
| 第一作者: | 卢彬, 甘小莺, 甘雨, 唐顾, 马婷晏, 吴律文等 |
| 联系作者: | |
| 发表年度: | 2025 |
| 摘 要: | 随着数据观测、采集手段的发展,科学大数据正快速增长,并推动着科研范式变革。然而,科学数据分散在互联网中各类数据仓储与个人数据库中形成了“数据孤岛”,难以有效整合与关联科学数据。为此,本文提出了一种面向开放互联网的科学数据挖掘与理解方法,通过机器阅读各类互联网数据资源,自动识别科学数据并结构化抽取关键字段,实现对科学数据的高效发现与管理。具体来说,本文融合网页多视角信息设计了网页筛选器WebFilter,通过融合网页DOM树的结构共现与语义相关实现对网页级特征理解与分类;此外,本文设计了基于节点异构关联的网页阅读器WebReader,通过异构图网络的消息传递对网页关键信息进行结构化抽取,形成科学数据画像。本文采用了多个公开数据集进行实验性能评估:在网页分类方面,本文提出的WebFilter相较于基线模型准确率提升了1.39%到3.71%、F1分数提升了1.42%到4.10%;在网页信息抽取方面,本文提出的WebReader平均提升1.40%,在少训练样本情况下性能提升显著。更进一步,基于本文技术研究成果研制了面向地球科学领域的开放科学数据系统DataExpo,汇聚百万科学数据并提供了数据多维查询、地图查询等数据服务,已应用于“深时数字地球”国际大科学计划,推动了地球科学领域数据驱动范式研究。 |
| 英文摘要: | |
| 刊物名称: | 计算机学报 |
| 全文链接: | |
| 论文类别: | CSCD |