基于带侧信息张量分解的关系模式归纳
信息检索
2016-11-17 v3 计算与语言
数据库
摘要
给定来自特定领域（例如医学研究期刊）的一组文档，我们如何自动为该领域构建知识图谱（KG）？关系和其模式（即关系参数的类型签名，例如 undergo(Patient, Surgery)）的自动识别，是实现这一目标的重要第一步。我们将此问题称为关系模式归纳（RSI）。在本文中，我们提出 SICTF（使用耦合张量分解的模式归纳，Schema Induction using Coupled Tensor Factorization），一种用于关系模式归纳的新型张量分解方法。SICTF 以原则性方式分解从领域语料库中提取的开放信息抽取（OpenIE）三元组以及额外的侧信息，从而归纳关系模式。据我们所知，这是张量分解在 RSI 问题上的首次应用。通过在多个真实世界数据集上的大量实验，我们发现 SICTF 不仅比最先进的基线更准确，而且显著更快（约快 14 倍）。
引用
@article{arxiv.1605.04227,
title = {Relation Schema Induction using Tensor Factorization with Side Information},
author = {Madhav Nimishakavi and Uday Singh Saini and Partha Talukdar},
journal= {arXiv preprint arXiv:1605.04227},
year = {2016}
}
备注
Proceedings of the 2016 Conference on Empirical Methods in Natural Language Processing, November 2016. Austin, TX