Gold：面向常识知识图谱噪声检测的全局与局部感知去噪框架
计算与语言
2023-10-19 v1
摘要
常识知识图谱（CSKG）对常识推理至关重要，但通过人工标注构建成本高昂。因此，各种自动构建方法被提出以扩大语义覆盖。然而，这些无监督方法引入了虚假噪声，降低所得 CSKG 质量，且因 CSKG 中节点与结构的独特特性，现有去噪算法难以应对。为此，我们提出 Gold（全局与局部感知去噪），一种融合实体语义信息、全局规则与 CSKG 局部结构信息的 CSKG 去噪框架。实验结果表明，在合成含噪 CSKG 基准的噪声检测任务上，Gold 优于所有基线方法。此外，我们展示了真实世界 CSKG 去噪的有效性，甚至有益于下游零样本常识问答任务。
引用
@article{arxiv.2310.12011,
title = {Gold: A Global and Local-aware Denoising Framework for Commonsense Knowledge Graph Noise Detection},
author = {Zheye Deng and Weiqi Wang and Zhaowei Wang and Xin Liu and Yangqiu Song},
journal= {arXiv preprint arXiv:2310.12011},
year = {2023}
}
备注
Accepted to EMNLP findings 2023