通过迁移学习实现实体解析的复用与适配
数据库
2018-10-01 v1 机器学习
机器学习
摘要
实体解析（ER）是数据集成中的基本问题之一，其中基于机器学习（ML）的分类器常提供最先进的结果。大量人力投入于特征工程与训练数据创建。在本文中，我们研究一个新问题：给定用于ER且训练数据有限或没有训练数据的某数据集D_T，是否可能通过复用并适配来自相同或相关领域的数据集D_S的训练数据，在D_T上训练出一个良好的ML分类器？我们的主要贡献包括（1）一种基于分布式表示的途径，将来自不同数据集的每个元组编码进一个标准特征空间；（2）识别复用训练数据可能有益的若干常见场景；以及（3）用于处理上述每一场景的五种算法。我们在来自5个不同领域（出版物、电影、歌曲、餐厅和书籍）的12个数据集上进行了综合实验。我们的实验表明，我们的算法提供了显著益处，例如在固定训练数据规模下提供优越性能。
引用
@article{arxiv.1809.11084,
title = {Reuse and Adaptation for Entity Resolution through Transfer Learning},
author = {Saravanan Thirumuruganathan and Shameem A Puthiya Parambath and Mourad Ouzzani and Nan Tang and Shafiq Joty},
journal= {arXiv preprint arXiv:1809.11084},
year = {2018}
}