具有關(guān)系敏感嵌入的知識(shí)庫(kù)錯(cuò)誤檢測(cè)[人工智能][其他]

準(zhǔn)確性與質(zhì)量對(duì)于知識(shí)庫(kù)而言尤為重要,盡管已經(jīng)有很多關(guān)于知識(shí)庫(kù)不完整性的研究,但是很少有工作者考慮到對(duì)于知識(shí)庫(kù)存在的錯(cuò)誤進(jìn)行檢測(cè),按照傳統(tǒng)方法通常無(wú)法有效捕捉知識(shí)庫(kù)中錯(cuò)誤事實(shí)內(nèi)在相關(guān)性。本文提出了一種知識(shí)庫(kù)具有關(guān)系敏感嵌入式方法NSIL,以獲取知識(shí)庫(kù)各關(guān)系之間的相關(guān)性,從而檢查出知識(shí)庫(kù)中的錯(cuò)誤,以此提高知識(shí)庫(kù)的準(zhǔn)確性與質(zhì)量。該方法分為相關(guān)性處理和錯(cuò)誤檢測(cè)兩階段。在相關(guān)性處理階段,使用NSIL的相關(guān)函數(shù)以分值形式獲取各關(guān)系之間的相關(guān)度;在錯(cuò)誤檢測(cè)階段,基于相關(guān)度分值進(jìn)行錯(cuò)誤檢測(cè),對(duì)于缺失主體或客體的三元組進(jìn)行缺失成分預(yù)測(cè)。最后在知識(shí)庫(kù)之一Freebase生成的基準(zhǔn)數(shù)據(jù)集“FB15K”上進(jìn)行了廣泛驗(yàn)證,證明了該方法在知識(shí)庫(kù)錯(cuò)誤知識(shí)檢測(cè)方面有著很高的性能。

發(fā)表于:12/15/2020 3:40:26 PM