基于分层类与属性表示学习的本体属性获取
人工智能
2019-03-11 v1 计算与语言
摘要
类的属性获取是本体构建中的关键步骤，通常由社区成员手动完成。本文研究了一种名为 TransATT 的基于注意力的自动范式，通过学习中文本体中分层类和属性的表示来进行属性获取。实体的属性可以仅通过检查其类来获取，因为实体可以被视为其类的实例并继承它们的属性。为了明确且无歧义地描述实体的类，我们提出使用类路径来表示本体中的分层类，而不是基于上位词-下位词关系（即 is-a 关系）层次结构的终端类词。TransATT 在属性获取上的高性能表明了所学习的类路径与属性表示具有大有可为的能力。此外，我们构建了一个名为 \textbf{BigCilin11k} 的数据集。据我们所知，这是第一个具有丰富分层类和带属性实体的中文数据集。
引用
@article{arxiv.1903.03282,
title = {Attribute Acquisition in Ontology based on Representation Learning of Hierarchical Classes and Attributes},
author = {Tianwen Jiang and Ming Liu and Bing Qin and Ting Liu},
journal= {arXiv preprint arXiv:1903.03282},
year = {2019}
}