Exploration des classifieurs Naive Bayes pour la correspondance entre données tabulaires et graphes de connaissance

Cette recherche étudie l’utilisation des classifieurs Naïve Bayes pour la correspondance entre graphes de connaissances et données tabulaires, en mettant particulièrement l’accent sur l’annotation du type de colonne, l’annotation de l’entité cellulaire, l’annotation des propriétés de colonne et la détection du sujet du tableau. En utilisant des techniques d’extraction de caractéristiques telles que le nombre d’occurrences conjointes et la fréquence des termes, l’étude évalue l’efficacité et les performances des classifieurs Naïve Bayes sur divers ensembles de données. La méthode proposée est simple et générique, apportant une contribution au domaine de la correspondance entre graphes de connaissances, tout en démontrant le potentiel des classifieurs Naïve Bayes pour l’intégration et l’interopérabilité entre données tabulaires et graphes de connaissances.