用紧凑、代表性、相关的知识图谱丰富文档
人工智能
2020-05-12 v2 信息检索
摘要
知识图谱（KG）的一个突出应用是文档丰富。现有方法识别背景 KG 中实体的提及，并以实体类型与直接关系丰富文档。我们计算实体关系子图（ERG），它能更具表达力地表示一组被提及实体间的间接关系。为寻找用于有效丰富的紧凑、代表性且相关的 ERG，我们提出一种高效的最佳优先搜索算法来求解一个新的组合优化问题，该问题在代表性与紧凑性间取得权衡，随后我们利用本体知识按基于实体的文档-KG 与 KG 内相关性对 ERG 排序。大量实验与用户研究表明了我们方法的良好性能。
引用
@article{arxiv.2005.00153,
title = {Enriching Documents with Compact, Representative, Relevant Knowledge Graphs},
author = {Shuxin Li and Zixian Huang and Gong Cheng and Evgeny Kharlamov and Kalpa Gunaratna},
journal= {arXiv preprint arXiv:2005.00153},
year = {2020}
}
备注
7 pages, accepted to IJCAI-PRICAI 2020. The paper is temporarily withdrawn due to company policies