透明度增强型知识增强实体解析框架 T-KAER
计算与语言
2024-10-02 v1 数据库
摘要
实体解析（ER）是确定两个表示是否指指同一真实实体的过程，在数据清洗和数据整理中发挥着关键作用。最近的研究引入了 KAER 框架，旨在通过增强外部知识来提高预训练语言模型的性能。然而，identifying and documenting 被增强的外部知识以及理解其对模型预测的贡献在研究社区中受到很少或没有注意。本文通过引入 T-KAER，增强型知识增强实体解析框架来解决这一问题。为增强透明度，提出了三个与透明度相关的问题（T-Qs）：T-Q(1)：基于数据输入的匹配结果的实验过程是什么？T-Q(2)：KAER 对原始数据输入的哪些语义信息进行增强？T-Q(3)：增强后数据输入的哪些语义信息影响预测？为解决 T-Qs，T-KAER 通过记录实体解析过程于日志文件中来提高透明度。在实验中，使用引用数据集演示了 T-KAER 的透明度组件。该演示展示了 T-KAER 如何从定量和定性视角促进错误分析，提供了关于“增强了哪些语义信息”以及“为何增强的知识不同程度地影响预测”的证据。
引用
@article{arxiv.2410.00218,
title = {T-KAER: Transparency-enhanced Knowledge-Augmented Entity Resolution Framework},
author = {Lan Li and Liri Fang and Yiren Liu and Vetle I. Torvik and Bertram Ludaescher},
journal= {arXiv preprint arXiv:2410.00218},
year = {2024}
}
备注
Accepted by IDCC 2024