首页> 中文期刊> 《数据分析与知识发现》 >基于置信学习的知识库错误检测方法研究

基于置信学习的知识库错误检测方法研究

         

摘要

【目的】解决知识库中存在的噪声数据问题,对基于置信学习的知识库错误检测方法进行探索。【方法】利用TransE模型对知识库三元组进行向量表示,通过多层感知机模型进行错误检测识别,然后利用置信学习对样本集进行清洗,并通过多轮迭代训练,降低噪声数据对模型的影响。【结果】所提方法在DBpedia数据集上,最优F1值达到0.7364,优于对照组方法。【局限】实验数据集中的噪声数据由人工产生,与真实噪声数据分布有一定差异,在更大规模知识库上的通用性有待考证。【结论】探索了基于置信学习的知识库错误检测方法,通过置信学习降低了噪声数据的影响,从而在知识库错误检测任务中有较好性能。

著录项

  • 来源
    《数据分析与知识发现》 |2021年第9期|P.1-9|共9页
  • 作者

    李文娜; 张智雄;

  • 作者单位

    中国科学院文献情报中心 北京100190中国科学院大学经济与管理学院图书情报与档案管理系 北京100190;

    中国科学院文献情报中心 北京100190中国科学院大学经济与管理学院图书情报与档案管理系 北京100190科技大数据湖北省重点实验室 武汉430071;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 计算机网络;
  • 关键词

    知识库; 错误检测; 置信学习;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号