KGEval：自动构建知识图谱的准确性估计
人工智能
2016-12-02 v2
摘要
近年来，通过挖掘网络规模文本数据集自动构建大型知识图谱（KG）受到了相当多的关注。由于此类自动构建的KG的规模和多样性，估计其准确性是一个具有挑战性的问题。先前的研究在很大程度上忽略了这一重要问题，我们填补了这一空白并提出了KGEval。KGEval利用耦合约束绑定KG中的事实，并通过众包那些能推断KG大部分正确性的事实。我们证明了KGEval优化的目标是次模且NP难的，从而为我们的近似算法提供保证。通过在真实世界数据集上的大量实验，我们证明与其他有竞争力的基线相比，KGEval能够更准确地估计KG准确性，同时所需的人工评估数量显著更少。
引用
@article{arxiv.1610.06912,
title = {KGEval: Estimating Accuracy of Automatically Constructed Knowledge Graphs},
author = {Prakhar Ojha and Partha Talukdar},
journal= {arXiv preprint arXiv:1610.06912},
year = {2016}
}