博士导师还是医疗状况：迈向知识库属性的实体特定排序 [扩展版]

在 Wikidata 等知识库中，可以为实体断言大量属性，从通用的属性（如姓名和出生地）到高度特定于职业或背景的属性（如博士导师或医疗状况）。在此类大型属性集中确定偏好或排序，在编辑优先级排序或自然语言生成等任务中是一项挑战。以往大多数对知识库属性进行排序的方法纯粹是数据驱动的，正如我们所表明的，这会将频率误认为趣味性。在本工作中，我们构建了一个包含 350 个偏好判断的人工标注数据集，这些判断针对固定实体的知识库属性对。从该集合中，我们分离出人类表现出高水平一致性（平均 87.5%）的属性对子集。然而我们表明，基线与最先进的技术在预测该子集的人类偏好时仅达到 61.3% 的精度。随后我们分析了是什么导致一个属性被评为比另一个更重要，并确定至少有三个因素起作用，即 频率、 对类似实体的适用性以及 属性与实体之间的语义相似度。我们实验性地分析了每个因素的贡献，并表明结合解决所有这三个因素的技术在该任务上达到了 74% 的精度。该数据集可在 www.kaggle.com/srazniewski/wikidatapropertyranking 获取。