knowledgebase

Graph Data Management Lab, School of Computer Science

GDM@FUDAN http://gdm.fudan.edu.cn

knowledgebase• 百科解析（使用 htmlparser ）– Baidu. 解析出多义词、 infobox 、 linkage 、 catagory– Wiki. 解析出 infobox 、中英文 entity 、 catagory– Hudong. 解析出 infobox 、中英文 entity 、 category

• 五张表– baiduEntity(source:baidu)– engEntity(source:wiki/hudong) – linkage(source:baidu)– infobox(source:baidu/wiki/hudong)– taxonomy(source:baidu/wiki/hudong)



knowledgebase• 存储表格– baiduEntity 表

– engEntity 表

– linkage 表

id entity_name source

1 百度百科 baidu

… … …

entity_name english_name source

苹果 Apple Wiki/hudong

… … …

entity_name alias linkEntity

source

苹果蔷薇科苹果植物

香蕉 baidu

苹果苹果公司乔布斯 baidu



knowledgebase• 存储表格

– infobox 表

– taxonomy 表

– Wiki 、 hudong 数据 alias 列值与 entity_name 相同

entity_name alias attribute value source

苹果蔷薇科苹果植物目蔷薇目 baidu

苹果苹果公司外文名 Apple.Inc baidu

entity_name alias catagory source

苹果蔷薇科苹果植物水果 baidu

苹果苹果公司跨国公司 baidu



Web Site• 网址（内网）– http://10.131.246.72:8080/Soso

• 界面–

• 输入格式– 刘德华（单一实体）– 刘德华代表作品（实体及属性，以空格分开）– I DO I DO （带空格的实体）– I DO I DO 主演（带空格的实体及其属性）

http://10.131.246.72:8080/Soso



Web Site• Searching result– 李白

数据来源索引

Baidu多义词索引

信息展示区



Web Site• Searching result– 李白 baidu 结

果

wiki 结果

hudong结果



Web Site• Searching result– 李白代表作品

– I DO I DO 导演



Web Site• Statement– 数据源索引、 baidu 多义词索引能够定位到网

页指定的位置 Problems

– 数据库中空格在网页中显示为“ +” （编码问题）

– Linkage 搜索的链接跳转存在问题（中文编码问题 --linkage 为英文可以跳转搜索但中文无法显示， linkage 为中文无搜索结果 )

knowledgebase

Documents