开放知识库规范化与链接联合学习
计算与语言
2022-12-05 v1 人工智能
摘要
开放信息抽取（OIE）方法从文本中抽取大量 OIE 三元组（名词短语、关系短语、名词短语），构成大型开放知识库（OKB）。然而，OKB 中的名词短语（NP）与关系短语（RP）未经规范化，常以不同释义的文本变体出现，导致冗余且模糊的事实。为解决该问题，存在两项相关任务：OKB 规范化（即将 NP 与 RP 转换为规范化形式）与 OKB 链接（即将 NP 与 RP 与精选知识库（如 DBPedia）中对应实体与关系相链接）。这两项任务紧密耦合，且一方可显著受益于另一方。然而，迄今为止它们被孤立研究。本文首次探索 OKB 规范化与链接联合任务，并基于因子图模型提出一种新颖框架 JOCL，使二者相互增强。JOCL 足够灵活，可结合两任务的不同信号，并能够扩展以适配任意新信号。在两个大规模 OIE 三元组数据集上的详尽实验研究表明，我们的框架在 OKB 规范化（OKB 链接）任务上以平均 F1（准确率）衡量优于所有基线方法。
引用
@article{arxiv.2212.01207,
title = {Joint Open Knowledge Base Canonicalization and Linking},
author = {Yinan Liu and Wei Shen and Yuanfei Wang and Jianyong Wang and Zhenglu Yang and Xiaojie Yuan},
journal= {arXiv preprint arXiv:2212.01207},
year = {2022}
}
备注
Accepted by SIGMOD'21