将表层事实链接至大规模知识图谱
计算与语言
2023-10-24 v1 人工智能
机器学习
摘要
开放信息抽取（OIE）方法以（“主体”;“关系”;“客体”）三元组形式从自然语言文本中抽取事实。然而，这些事实仅是表层形式，其歧义性阻碍了下游使用；例如，表层短语“Michael Jordan”可能指前篮球运动员或大学教授。另一方面，知识图谱（KGs）以规范（即无歧义）形式包含事实，但其覆盖受限于静态模式（即固定的实体与谓词集合）。为弥合此差距，我们需要两全其美：（i）自由文本 OIE 的高覆盖，以及（ii）KG 的语义精确性（即单义性）。为实现该目标，我们提出了一种带新颖评估协议的新基准，可在细粒度三元组槽位层面衡量事实链接性能，同时衡量系统是否能识别某表层形式在现有 KG 中无匹配。我们对若干基线的广泛评估表明，检测 KG 外实体与谓词比准确链接到已有实体更困难，从而呼吁针对这一困难任务的更多研究努力。我们在 https://github.com/nec-research/fact-linking 公开发布所有资源（数据、基准与代码）。
引用
@article{arxiv.2310.14909,
title = {Linking Surface Facts to Large-Scale Knowledge Graphs},
author = {Gorjan Radevski and Kiril Gashteovski and Chia-Chien Hung and Carolin Lawrence and Goran Glavaš},
journal= {arXiv preprint arXiv:2310.14909},
year = {2023}
}