面向海事领域概率知识图谱的自动化构建
人工智能
2023-05-05 v1 计算与语言
摘要
国际海事犯罪正变得日益复杂，常与更广泛的犯罪网络相关联。仅通过融合与物理运动相关的数据（即由物理传感器生成的硬数据）来检测海事威胁是不够的。这导致了旨在将硬数据与其他类型数据（尤其是人工生成的软数据）结合的研究与开发努力。现有工作常假设输入的软数据以结构化格式可用，或聚焦于提取某些相关实体或概念以伴随或标注硬数据。从大量以非结构化格式存在的软数据（如情报报告与新闻文章）中隐含嵌入的关于关注情境的丰富知识，则甚少受到关注。为利用此类来源中潜在有用且丰富的信息，不仅需要提取相关实体与概念，还需提取其语义关系，以及伴随所提取知识的不确定性（即以期概率知识图谱形式）。这将提升所提取知识的准确性与置信度，并便利后续推理与学习。为此，我们提出 Maritime DeepDive，一个从自然语言数据自动化构建海事领域概率知识图谱的初步原型。在本文中，我们报告 Maritime DeepDive 的当前实现，以及从海盗事件中提取概率事件的初步结果。该流水线在人工制定的黄金标准上评估，取得有前景的结果。
引用
@article{arxiv.2305.02471,
title = {Toward the Automated Construction of Probabilistic Knowledge Graphs for the Maritime Domain},
author = {Fatemeh Shiri and Teresa Wang and Shirui Pan and Xiaojun Chang and Yuan-Fang Li and Reza Haffari and Van Nguyen and Shuang Yu},
journal= {arXiv preprint arXiv:2305.02471},
year = {2023}
}