知识图谱构建中的不确定性管理：综述
人工智能
2024-07-22 v2
摘要
知识图谱 (KG) 因其在数据表示方面的灵活性及其众多应用（如词汇共享、问答或推荐系统）而成为企业的重要资产。构建 KG 时，常依赖从各种异构来源中自动提取知识的常规做法。然而，在充满噪声和不确定性的世界中，知识可能不可靠且数据来源之间可能存在冲突。将不可靠数据整合到 KG 中会直接影响其使用，因此必须解决这些冲突。这种解决方式可以是通过手动选择要整合的最佳数据，这种方法虽然准确率很高，但代价高昂且耗时。因此，近期努力聚焦于自动方法，这是一项具有挑战性的任务，因为它需要在 KG 中集成不确定知识时处理其不确定性。我们综述了此方向的前沿方法，介绍了开放式和企业级 KG 的构建方式及其质量维护方法。随后，我们描述了不同的知识提取方法，这些方法引入了额外的不确定性。我们还讨论了知识获取后的下游任务，包括使用嵌入模型进行 KG 完成、知识对齐和知识融合，以解决 KG 构建中知识不确定性的问题。我们总结了在考虑不确定性的情况下构建 KG 的剩余挑战和展望。
引用
@article{arxiv.2405.16929,
title = {Uncertainty Management in the Construction of Knowledge Graphs: a Survey},
author = {Lucas Jarnac and Yoan Chabot and Miguel Couceiro},
journal= {arXiv preprint arXiv:2405.16929},
year = {2024}
}