结合受限玻尔兹曼机与神经网络进行隐真值发现
机器学习
2018-07-30 v1 人工智能
机器学习
摘要
隐真值发现（简称 LTD）指的是聚合来自多个来源的多种声明以估计关于实体的陈述的可信度的问题。在缺乏真值的情况下，当某些来源提供相互冲突的声明而其他来源根本不提供声明时，该问题极具挑战性。在这项工作中，我们在一个结合受限玻尔兹曼机与前馈神经网络的模型之上提供了一种无监督随机推断过程，以准确推断来源的可靠性以及关于实体的陈述的可信度。与先前工作相比，我们的方法突出之处在于：(1) 允许纳入关于来源和声明的任意特征，(2) 从每个来源的可靠性推广到可靠性函数，从而 (3) 即使对于提供极少或没有声明的来源也能估计其来源可靠性，(4) 基于高效且可扩展的随机推断算法，以及 (5) 以显著幅度超越最先进水平 (SOTA)。
引用
@article{arxiv.1807.10680,
title = {Combining Restricted Boltzmann Machines with Neural Networks for Latent Truth Discovery},
author = {Klaus Broelemann and Gjergji Kasneci},
journal= {arXiv preprint arXiv:1807.10680},
year = {2018}
}