面向实体解析的可解释可学习风险分析

基于机器学习的实体解析已被广泛研究。然而，一些实体对可能被机器学习模型错误标注，且现有研究未探讨风险分析问题——预测并解释哪些实体对被误标。本文中，我们提出一种可解释且可学习的风险分析框架，旨在依据被误标的风险对标注实体对排序。我们首先描述如何自动生成可解释风险特征，随后给出一种可学习风险模型及其训练技术。最后，我们在真实数据上对所提方法的性能进行实证评估。我们广泛的实验表明，该学习风险模型能以远高于现有替代方案的准确率识别被误标的实体对。