用于 Web 结构化数据标注的混合表示池化
数据库
2016-10-04 v1
摘要
自动识别 Web 结构化数据的类型是 Web 数据集成过程中的关键步骤。Web 结构化数据通常与特定领域中的实体或对象相关联。在本文中，我们旨在基于属性值，将给定领域中实体的属性映射到同一领域中预定义的属性类别。为执行此任务，我们提出了一种依赖于属性值格式的混合深度学习网络。该方法无需任何预处理或使用预定义的手工特征。该混合网络结合了基于序列的神经网络，即卷积神经网络 (CNN) 和循环神经网络 (RNN)，以学习属性值序列的结构。CNN 通过滑动窗口方法捕捉这些序列中的短距离依赖关系，而 RNN 通过存储先前字符的信息来捕捉长距离依赖关系。这些网络创建了输入序列的不同向量表示，并通过池化层进行组合。该层对这些向量应用特定操作，以捕捉任务中最有用的模式。最后，在池化层之上，softmax 函数预测给定属性值的标签。我们在四个不同的 Web 领域评估了我们的策略。结果表明，在所有领域中，该池化网络的表现均优于使用某种输入预处理的先前方法。
引用
@article{arxiv.1610.00493,
title = {Pooling Hybrid Representations for Web Structured Data Annotation},
author = {Luciano Barbosa and Breno W. Carvalho and Bianca Zadrozny},
journal= {arXiv preprint arXiv:1610.00493},
year = {2016}
}