利用 DeepDive 进行增量式知识库构建
数据库
2015-06-17 v4 计算与语言
机器学习
摘要
用非结构化信息填充数据库是工业界和学术界长期存在的问题，涵盖抽取、清洗和集成等难题。近年来，处理暗数据（dark data）和知识库构建（KBC）常被用来指代这一问题。在本文中，我们介绍了 DeepDive，这是一个结合数据库与机器学习理念以辅助开发 KBC 系统的系统，并提出了提高 KBC 过程效率的技术。我们观察到 KBC 过程是迭代的，因此开发了为 KBC 系统增量生成推理结果的技术。我们提出了两种基于采样和变分技术的增量推理方法。我们还研究了这些方法的权衡空间，并开发了一个简单的基于规则的优化器。DeepDive 包含了上述所有贡献，我们在五个 KBC 系统上对 DeepDive 进行了评估，结果表明它能在对质量影响可忽略不计的情况下，将 KBC 推理任务的速度提高多达两个数量级。
引用
@article{arxiv.1502.00731,
title = {Incremental Knowledge Base Construction Using DeepDive},
author = {Jaeho Shin and Sen Wu and Feiran Wang and Christopher De Sa and Ce Zhang and Christopher Ré},
journal= {arXiv preprint arXiv:1502.00731},
year = {2015}
}