从 Web 表格中发现新实体
信息检索
2020-02-06 v1 计算与语言
摘要
在使用任何知识库 (KB) 时，都必须尽可能确保其完整且最新。这两项任务均非易事，因为它们需要以召回为导向的努力来确定 KB 中缺失哪些实体与关系，因而需要大量人工。另一方面，Web 上的表格资源丰富，且具有协助完成这些任务的独特潜力。具体而言，我们可以利用此类表格中的内容来发现新实体、属性与关系。由于 Web 表格通常仅含原始文本内容，我们首先需确定哪些单元格指代哪些已知实体——我们将此任务称为表到 KB 匹配。该首要任务旨在通过将这些表格单元格与标题列链接至 KB 元素来推断表格语义。随后第二项任务基于这些已链接的实体与属性，不仅识别同一表格中的新实体，还自举其类型与附加关系。我们将此过程称为新实体发现，据我们所知，这是首个从 Web 表格未链接单元格中挖掘信息的尝试。我们的方法不仅识别 KB 外（“新”）信息，也识别 KB 内（“已知”）实体的新别名。在使用三个专门构建的测试集进行评估时，我们发现所提方法在保持召回稳定的同时，相较基线在精度上取得显著提升。
引用
@article{arxiv.2002.00206,
title = {Novel Entity Discovery from Web Tables},
author = {Shuo Zhang and Edgar Meij and Krisztian Balog and Ridho Reinanda},
journal= {arXiv preprint arXiv:2002.00206},
year = {2020}
}
备注
Proceedings of The Web Conference 2020 (WWW '20), 2020