CESI：利用嵌入与侧信息规范化开放知识库
信息检索
2019-02-04 v1 机器学习
摘要
开放信息抽取（OpenIE）方法从文本中抽取（名词短语，关系短语，名词短语）三元组，从而构建大型开放知识库（Open KBs）。此类开放知识库中的名词短语（NPs）和关系短语未经过规范化，导致存储了冗余且模糊的事实。近期研究将开放知识库的规范化视为在人工定义特征空间上的聚类。人工特征工程代价高昂且常非最优。为克服此挑战，我们提出利用嵌入与侧信息进行规范化（CESI）——一种在开放知识库学习嵌入上执行规范化的新方法。CESI以原则性方式融入相关NP与关系短语侧信息，扩展了知识库嵌入的最新进展。通过在多个真实世界数据集上的大量实验，我们证明了CESI的有效性。
引用
@article{arxiv.1902.00172,
title = {CESI: Canonicalizing Open Knowledge Bases using Embeddings and Side Information},
author = {Shikhar Vashishth and Prince Jain and Partha Talukdar},
journal= {arXiv preprint arXiv:1902.00172},
year = {2019}
}
备注
Accepted at WWW 2018