大规模词汇分类体系中的错误检测
人工智能
2018-08-07 v1
摘要
知识库（KB）是人工智能的一个重要方面。KB构建面临的一个重大挑战是其中包含许多噪声，阻碍了其有效使用。尽管已有一些KB清洗算法被提出，它们关注知识图的结构而忽视了概念间的关系，而后者有助于发现KB中的错误关系。受此启发，我们通过对应实例间的距离来度量两个概念的关系，并检测冲突概念集交集内的错误。为高效且有效地清洗知识库，我们首先应用一个基于距离的模型，使用两种不同方法确定冲突概念集。然后，我们提出并分析了若干基于该模型检测和修复错误的算法，其中使用哈希方法以高效计算距离。实验结果证明所提方法能高效且有效地清洗知识库。
引用
@article{arxiv.1808.01690,
title = {Error Detection in a Large-Scale Lexical Taxonomy},
author = {Sifan Liu and Hongzhi Wang},
journal= {arXiv preprint arXiv:1808.01690},
year = {2018}
}