融合隐式与显式特征知识的三元组打分——Radicchio团队在WSDM Cup 2017的三元组打分器
信息检索
2017-12-25 v1
摘要
WSDM Cup 2017中三元组打分任务的目标是计算类型型关系的知识库三元组的相关性分数。例如，考虑尤利乌斯·凯撒，他有过多种职业，包括政治家和作家。对于给定的两个三元组（尤利乌斯·凯撒，职业，政治家）和（尤利乌斯·凯撒，职业，作家），前者的三元组可能具有更高的相关性分数（也称为“三元组分数”），因为尤利乌斯·凯撒作为政治家而非作家广为人知。对此类三元组分数的准确预测极大有益于现实应用，如信息检索或知识库查询。在这些场景中，能够对全部关系（职业/国籍）进行排序有助于改善用户体验。我们提出了一种通过集成方法融合隐式特征与显式特征知识的三元组打分模型。隐式特征包含使用word2vec模型学习到的人物表示，以及从预训练的GloVe嵌入模型提取的职业/国籍取值表示。此外，我们从Freebase知识库中提取人物实体的显式特征。实验结果表明，所提方法在WSDM Cup 2017中表现具有竞争力，以预测真实分数前后两位内准确率79.72%的成绩排名第三。
引用
@article{arxiv.1712.08357,
title = {Integrating Knowledge from Latent and Explicit Features for Triple Scoring - Team Radicchio's Triple Scorer at WSDM Cup 2017},
author = {Liang-Wei Chen and Bhargav Mangipudi and Jayachandu Bandlamudi and Richa Sehgal and Yun Hao and Meng Jiang and Huan Gui},
journal= {arXiv preprint arXiv:1712.08357},
year = {2017}
}
备注
Triple Scorer at WSDM Cup 2017, see arXiv:1712.08081