面向实体对齐的主动学习
机器学习
2021-05-27 v3 机器学习
摘要
在这项工作中，我们提出一种用于知识图谱数据集中实体对齐标注的新框架。为人工标注者选择信息量实例的不同策略构成我们框架的核心。我们阐明实体对齐的标注不同于为单个实例分配类标签，以及这些差异如何影响标注效率。基于这些考量，我们提出并评估了不同的主动与被动学习策略。我们的主要发现之一是，可高效预计算且更易部署的被动学习方法取得了与主动学习策略相当的性能。
引用
@article{arxiv.2001.08943,
title = {Active Learning for Entity Alignment},
author = {Max Berrendorf and Evgeniy Faerman and Volker Tresp},
journal= {arXiv preprint arXiv:2001.08943},
year = {2021}
}
备注
to be published in ECIR'21; fix typo and add acknowledgement