論文筆記整理：吳桐桐，東南大學博士生，研究方向為自然語言處理。

---

鏈接：https://www.cs.ubc.ca/~murphyk/Papers/kv-kdd14.pdf

?

基于機器學習，Knowledge Vault不僅能夠從多個來源（文本，表格數(shù)據(jù)，頁面結構，人工注釋）中提取數(shù)據(jù)，而且還可以根據(jù)所有可用數(shù)據(jù)推斷事實和關系。網(wǎng)絡當然包含大量的錯誤數(shù)據(jù)，因此框架依賴于現(xiàn)有的知識庫（例如Freebase），以便在評估過程的其中一個步驟中驗證事實。研究人員將該過程描述為“圖中的鏈接預測”，并試圖通過采用兩種不同的方法來解決它：a）路徑排序算法（PRA）和b）神經(jīng)網(wǎng)絡模型（MLP）[1]

?

結構

Knowledge Vault主要由以下三個主要構件組成：

1.????提取器?- 從大型數(shù)據(jù)集中提取三元組（主語，謂語，對象）并分配置信度分數(shù)。

2.????基于圖形的先驗?- 從現(xiàn)有知識庫中學習

3.????知識融合?- 事實概率的最終得分

通過結合現(xiàn)有知識庫和自身提取過程中的數(shù)據(jù)，研究人員已設法減少事實不確定性的數(shù)量，如下圖所示：

Knowledge Vault 相比于知識圖譜的優(yōu)勢

Knowledge Vault 對當前知識圖的關鍵優(yōu)勢在于其設計允許其擴展。到目前為止，Knowledge Vault設法推斷了大約 271,000,000 個“可信的事實”，這些事實被認為是真實的，至少有90％的可能性。為了提煉這些事實，Knowledge Vault 提取了 1,600,000,000 三元組，4469種關系類型和1100種實體。

關于知識圖譜的思考

本文作為知識圖譜領域的核心論文之一，文中所提出的幾點思考放在論文發(fā)表5年之后的今天仍具有借鑒意義。

?

1.如何建模事實之間的互斥性：目前，我們將每個事實視為獨立的二進制隨機變量，無論是真是假。然而在現(xiàn)實中許多三元組之間是互斥的。

2.建模事實之間的軟相關性：對于某些關系，它們的價值將受到軟約束。如某個人物的出生時間一定在其父母出生時間的至少10年之后。

3.值可以在多個抽象層次上表示：我們可以用不同的粒度來表示世界。

4.如何處理相關的數(shù)據(jù)源：當數(shù)據(jù)源數(shù)目較多且相互重疊時，則需要考慮更復雜的數(shù)據(jù)拷貝機制。

5.有些事實只是暫時的事實。在某些情況下，事實的“真相”可能會改變。例如，谷歌目前的首席執(zhí)行官是拉里·佩奇，但從2001年到2011年，他就是埃里克·施密特。這兩個事實都是正確的，但只是在指定的時間間隔內(nèi)。

6.如何發(fā)現(xiàn)并添加新實體和關系。除了遺漏的事實之外，還有許多實體在網(wǎng)絡上被提及，但不在Freebase中，因此也不在 knowledge vault 中。

?

---

OpenKG

開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數(shù)據(jù)的開放與互聯(lián)，促進知識圖譜和語義技術的普及和廣泛應用。

點擊閱讀原文，進入 OpenKG 博客。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結

以上是生活随笔為你收集整理的论文浅尝 | Knowledge Vault: 全网规模的知识概率融合方法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。