ZeroER：使用零标注样本的实体解析

实体解析（ER）指的是匹配一个或多个关系中指向同一真实世界实体的记录的问题。尽管有监督机器学习（ML）方法取得了最先进的结果，但它们需要大量标注样本，而这些样本获取代价高昂且常常不可行。我们研究一个困扰实践者的重要问题：是否可能设计一种有效的 ER 算法，其需要零标注样本，却能取得与有监督方法相当的性能？在本文中，我们通过提出的方法 ZeroER 给出肯定回答。我们的方法基于一个简单观察——匹配的相似度向量应不同于非匹配的相似度向量。将这一洞见付诸实践需要若干技术创新。首先，我们提出一个基于高斯混合模型的简单而强大的生成模型，用于学习匹配与不匹配分布。其次，我们提出一种为 ER 定制的自适应正则化技术，缓解特征过拟合问题。最后，我们以新颖方式将传递性性质纳入生成模型，从而提高了准确率。在五个基准 ER 数据集上，我们展示 ZeroER 大幅优于现有无监督方法，并取得了与有监督方法相当的性能。