知识图谱众包清洗.pdf

基于众包的非确定知识图谱清洗 林欣 华东师范大学计算机系 知识图谱构建 • 四种常见方法 [KDD 14] – Wiki-based ：YAGO、Dbpedia、FreeBase – Ontology-based: NELL – Open IE: TextRunner, Reverb – Taxonomies (is-a): Probase KDD14. X.Dong et.al. Knowledge Vault: A Web-Scale Approach to Probabilistic Knowledge Fusion Wiki-Based方法 • 准确率高 • 知识结构性好 Wiki-Based 方法 • 缺点 – 知识长尾效应 – 覆盖度有限 – FreeBase中 71%人物没有“出生地”，75% 的人物没有国籍 自动挖掘方法 • 知识覆盖度大 • 噪音大、知识准确率难保证 王菲 夫妻 李亚鹏 传统非确定性数据解决办法 • 设定阈值，决定去留 E1 A1, 75% R3, 80% R1, 50% E2 E3 R2, 70% R4, 55% E4 非确定知识图谱 • 保留概率 E1 A1, 75% R3, 80% R1, 50% E2 E3 R2, 70% R4, 55% E4 非确定知识图谱 • 优点： – 知识覆盖度 – 信息更丰富（Provenance ） • 缺点 – 查询质量（Ambiguity) – 0.5 问题 0.5问题 • “现在在中国打球的前NBA球员？” 麦迪 曾效力，80% 效力，62.5% 休斯顿火箭 青岛双星 属于，100% NBA 0.5问题 • 怎么办？ 概率清洗 0% 麦迪