Biblioteca32.346 documentos en línea

Artículo

Refining Automatically Extracted Knowledge Bases Using CrowdsourcingPerfeccionamiento de bases de conocimiento extraídas automáticamente mediante crowdsourcing

Resumen

Las bases de conocimiento construidas por máquinas a menudo contienen hechos ruidosos e inexactos. Se ha trabajado mucho en el desarrollo de algoritmos automatizados para el refinamiento de las bases de conocimiento. Los enfoques automatizados mejoran la calidad de las bases de conocimiento, pero están lejos de ser perfectos. En este artículo, aprovechamos el crowdsourcing para mejorar la calidad de las bases de conocimiento extraídas automáticamente. Dado que el etiquetado humano es costoso, un importante reto de investigación es cómo podemos utilizar los limitados recursos humanos para maximizar la mejora de la calidad de una base de conocimiento. Para abordar este problema, primero introducimos un concepto de restricciones semánticas que puede utilizarse para detectar posibles errores y hacer inferencia entre los hechos candidatos. A continuación, basándonos en las restricciones semánticas, proponemos algoritmos basados en rangos y en gráficos para el refinamiento del conocimiento crowdsourced, que seleccionan juiciosamente los hechos candidatos más beneficiosos para llevar a cabo el crowdsourcing y eliminan las preguntas innecesarias. Nuestros experimentos muestran que nuestro método mejora significativamente la calidad de las bases de conocimiento y supera a los métodos automáticos más avanzados con un coste razonable de crowdsourcing.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento