?

眾包實(shí)體消解

實(shí)體消解（Entity Resolution，簡(jiǎn)稱ER）旨在發(fā)現(xiàn)不同知識(shí)圖譜中指稱真實(shí)世界相同對(duì)象的實(shí)體。眾包實(shí)體消解（Crowd ER）在使用機(jī)器的基礎(chǔ)上，還使用人來(lái)完成實(shí)體消解任務(wù)。眾包實(shí)體消解的一個(gè)常見流程如下圖所示：

（Waldo: AnAdaptive Human Interface for Crowd Entity Resolution. SIGMOD 2017）

?

在眾包實(shí)體消解中，存在一系列關(guān)鍵問(wèn)題亟待解決，包括：1）如何呈現(xiàn)一個(gè)實(shí)體消解任務(wù)？2）如何選擇合適的人來(lái)完成任務(wù)？3）如何在給定預(yù)算限制下挑選任務(wù)？等等。論文作者發(fā)現(xiàn)，當(dāng)前研究很少關(guān)注第1個(gè)問(wèn)題，即如何通過(guò)呈現(xiàn)一些關(guān)鍵信息（例如實(shí)體的重要屬性和取值）來(lái)幫助單個(gè)人更高效和精準(zhǔn)地完成一個(gè)實(shí)體消解任務(wù)。

?

一個(gè)例子

論文作者關(guān)注多實(shí)體消解任務(wù)（multi-entityresolution，簡(jiǎn)稱MER），下圖展示了一個(gè)包含3個(gè)實(shí)體的多實(shí)體消解任務(wù)，它們擁有了相似的屬性和取值，有待人來(lái)完成消解。

相關(guān)工作

• 基于列表的多實(shí)體消解任務(wù)呈現(xiàn)方式，類似于傳統(tǒng)搜索引擎。

• 基于成對(duì)的多實(shí)體消解任務(wù)呈現(xiàn)方式，每次僅比較兩個(gè)實(shí)體并對(duì)齊它們間的相似屬性。

考慮到屬性和取值的數(shù)量可能很多，上述兩類方法常通過(guò)生成摘要來(lái)提高人的消解效率。然而，這兩類方法對(duì)于多實(shí)體消解任務(wù)而言，也均存在一些不足。例如，由于缺乏直接對(duì)比，基于列表的方法需要人在心里記錄并比較不同實(shí)體；又如，基于成對(duì)的方法雖然能使人更加專注兩個(gè)實(shí)體的比較，但是可伸縮性差。更為重要的是，這兩類方法在形成列表或成對(duì)的過(guò)程中，會(huì)丟失實(shí)體消解結(jié)果間的傳遞性和聚類性等。

?

本文方法

論文作者提出了一種基于對(duì)比表（comparativetable）的多實(shí)體消解任務(wù)呈現(xiàn)方法，將實(shí)體和重要屬性分別組成表的行和列頭，并將重要取值填入表單元中。擬解決的關(guān)鍵問(wèn)題是實(shí)體的屬性和取值的異構(gòu)性及規(guī)模性與有限的表格呈現(xiàn)空間之間的矛盾。方法框架如下圖所示，包括3個(gè)主要步驟：

全體屬性匹配，包括屬性間相似度計(jì)算和屬性團(tuán)生成兩個(gè)子步驟。

優(yōu)良性評(píng)估，考慮了屬性團(tuán)的判別性、豐富性、語(yǔ)義性和多樣性4個(gè)特征。

對(duì)比表生成，包括屬性團(tuán)的選擇和取值的選擇兩個(gè)子步驟。

?

下圖展示了根據(jù)上述例子生成的一個(gè)多實(shí)體消解任務(wù)對(duì)比表。

實(shí)驗(yàn)結(jié)果

論文作者從10個(gè)流行領(lǐng)域各選取了25個(gè)DBpedia實(shí)體作為種子，并通過(guò)維基百科消歧頁(yè)面為每個(gè)種子實(shí)體隨機(jī)選取2 ~ 4個(gè)Freebase、Wikidata和YAGO實(shí)體，再?gòu)闹须S機(jī)選擇出10個(gè)實(shí)體構(gòu)成一個(gè)多實(shí)體消解任務(wù)。共計(jì)250個(gè)任務(wù)，2500個(gè)實(shí)體，指稱804個(gè)真實(shí)世界對(duì)象。

實(shí)驗(yàn)從3個(gè)方面檢驗(yàn)了基于對(duì)比表的方法有效性，包括：1）全體屬性匹配的準(zhǔn)確性；2）屬性團(tuán)排序的有效性；3）通過(guò)雇傭60位研究生進(jìn)行實(shí)操，從效率、精度和打分3個(gè)方面與基于列表和基于成對(duì)的兩個(gè)代表性方法進(jìn)行了比較。

?

[1] Jiacheng Huang, Wei Hu*, Haoxuan Li, Yuzhong Qu. Automated Comparative Table Generation for Facilitating Human Intervention in Multi-Entity Resolution. In: ACM SIGIR Conference on Research and Development in Information Retrieval. 585–594, 2018

-- End --

實(shí)驗(yàn)室介紹：南京大學(xué)萬(wàn)維網(wǎng)軟件（Websoft）研究組在瞿裕忠教授的帶領(lǐng)下，長(zhǎng)期從事知識(shí)圖譜（語(yǔ)義網(wǎng)）及相關(guān)技術(shù)的研發(fā)，研究組成員包括胡偉副教授、程龔副教授以及30余位博士和和碩士研究生，近期的研究方向主要包括：智能問(wèn)答、知識(shí)融合和語(yǔ)義搜索。
聯(lián)系方式：胡偉，whu@nju.edu.cn，微信號(hào)：whu1982
網(wǎng)站：http://ws.nju.edu.cn

---

OpenKG.CN

中文開放知識(shí)圖譜（簡(jiǎn)稱OpenKG.CN）旨在促進(jìn)中文知識(shí)圖譜數(shù)據(jù)的開放與互聯(lián)，促進(jìn)知識(shí)圖譜和語(yǔ)義技術(shù)的普及和廣泛應(yīng)用。

點(diǎn)擊閱讀原文，進(jìn)入 OpenKG 博客。

總結(jié)

以上是生活随笔為你收集整理的胡伟 | 面向多实体人机协作消解的对比表生成自动化方法的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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