不完全信息下的知识图谱质量评估
人工智能
2023-04-13 v3
摘要
知识图谱（KGs）因其在诸多任务中的基础作用而受到越来越多的关注。因此，知识图谱的质量评估至关重要且不可或缺。该领域现有方法或通过从不同维度提出新的质量度量、或通过在知识图谱构建阶段衡量性能来评估知识图谱。然而，这些方法存在两个主要问题。首先，它们高度依赖知识图谱中的原始数据，使得知识图谱的内部信息在质量评估过程中被暴露。其次，它们更多考虑数据层面的质量而非能力层面的质量，而后者对下游应用更为重要。为解决这些问题，我们提出了一种不完全信息下的知识图谱质量评估框架（QEII）。该质量评估任务被转化为两个知识图谱之间的对抗性问答博弈。博弈的胜者因此被认为具有更好的质量。在评估过程中，不暴露任何原始数据，从而确保信息保护。在四对知识图谱上的实验结果表明，与基线相比，QEII 在不完全信息下实现了合理的能力层面质量评估。
引用
@article{arxiv.2212.00994,
title = {Knowledge Graph Quality Evaluation under Incomplete Information},
author = {Xiaodong Li and Chenxin Zou and Yi Cai and Yuelong Zhu},
journal= {arXiv preprint arXiv:2212.00994},
year = {2023}
}