基于嵌入的实体对齐的工业评估
计算与语言
2020-11-10 v2 人工智能
机器学习
摘要
基于嵌入的实体对齐近年来得到了广泛研究，但大多数已有方法仍依赖于理想的监督学习设定，即使用大量无偏种子映射进行训练和验证，这极大限制了它们的实际应用。在本研究中，我们在工业背景下评估那些最先进的方法，探讨了不同规模和不同偏置的种子映射所产生的影响。除了来自 DBpedia 和 Wikidata 的常用基准外，我们还贡献并评估了一个从两个异构知识图谱（KG）中提取的新型工业基准，这些知识图谱已部署用于医疗应用。实验结果使我们能够分析这些对齐方法的优缺点，并进一步讨论适合其工业部署的策略。
引用
@article{arxiv.2010.11522,
title = {An Industry Evaluation of Embedding-based Entity Alignment},
author = {Ziheng Zhang and Jiaoyan Chen and Xi Chen and Hualuo Liu and Yuejia Xiang and Bo Liu and Yefeng Zheng},
journal= {arXiv preprint arXiv:2010.11522},
year = {2020}
}
备注
accepted by COLING 2020