4、关联开放数据挖掘：以智力障碍相关基因为例

关联开放数据挖掘：以智力障碍相关基因为例

1. 引言

在数据挖掘领域，关联开放数据（LOD）的挖掘具有重要意义。本文提出了一种方法，该方法能够对LOD进行选择、集成，然后使用归纳逻辑编程（ILP）进行挖掘。下面将详细介绍相关的技术背景、数据处理步骤以及实验结果。

2. 技术背景

2.1 LOD挖掘准备

LOD的复杂性促使了许多关于数据挖掘前准备工作（即选择、集成、格式化）的研究。以下是一些相关的方法：
- 提出了一个系统，通过在格结构中组织数据来指导LOD的选择，该格结构能提供有关实体类型及其关系的信息。
- Callahan等人提议将不同数据集的LOD映射到名为SIO的上层本体，该本体作为全局模式，其术语用于编写跨LOD数据集的联合查询。
- SADI是一个便于发现和使用Web服务的通用框架，它基于语义Web技术开发，适合定义可查询SPARQL端点并集成结果的管道。
- COEUS平台遵循类似的原理，但包含一个便于数据集成的联合层。

然而，这些解决方案在实体在不同数据集上没有唯一URI或数据集之间未定义链接时可能不适用。因此，本文提出了一种简单而通用的方法来选择和集成待挖掘的LOD。

2.2 LOD挖掘

关于LOD挖掘的多个研讨会的出现，表明语义Web和数据挖掘社区对该主题的兴趣日益增长。相关工作主要分为两类：
- 完善或纠正LOD ：例如，Gangemi等人提出了一种使用图模式和消歧技术对DBpedia实体进行系统类型化的方法；其他作者研究了如何系统地提出缺失的链接，特别是在不相关的数据集之间。 <