Zhuang Y,Li G, Zhong Z, et al. Hike: A Hybrid Human-Machine Method for Entity Alignmentin Large-Scale Knowledge Bases[C]// ACM, 2017:1917-1926. ( CIKM 2017 )

 

论文链接：http://dbgroup.cs.tsinghua.edu.cn/ligl/crowdalign.pdf

Motivation

随着语义网络的迅速发展，越来越多的大规模知识图谱公开发布，为了综合使用多个来源的知识图谱，首要步骤就是进行实体对齐(Entity Alignment)。近年来，许多研究者提出了自动化的实体对齐方法，但是，由于知识图谱数据的不均衡性，导致此类方法对齐质量较低，特别是召回率(Recall)。因此，可考虑借助于众包平台提升对齐效果，文章提出了一个人机协作的方法，对大规模知识图谱进行实体对齐。

Framework

方法主要流程如图所示：

首先，通过机器学习方法对知识库进行粗略的实体对齐，然后分别将以对齐实体对(MatchedPairs)和未对齐实体对(UnmatchedPairs)放入众包平台，让人进行判断。两条流水线的步骤类似，主要包括四个部分：实体集划分(EntityPartition)、建立偏序(PartialOrder Construction)、问题选择(QuestionSelection)、容错处理(ErrorTolerance)。

实体集划分的目的是将同类的实体聚类到一个集合，实体对齐只在集合内部进行，集合之间不进行对齐操作。实体集划分的依据是属性，通常同一类实体的属性是相似的。

偏序定义如下：

建立偏序的目的在于找出最具有推理期望(InferenceExpectation)的实体对，偏序集实例如下：

其中，如果P₁₁被判断为Unmatch，则所有偏序小于P₁₁的节点都可以推断为unmatch。反之，如果P₄₅被推断为Match,则所有偏序大于P₄₅的节点都可以推断为Match。

推理期望公式如下：

其中，pre和suc分别表示前驱和后继节点。

对于问题选择，文章提出了两个贪心算法，分别为一次选一个节点以及一次选多个节点。算法如下：

Experiment

数据集：Yago 、 DBPedia

对比方法：PARIS、PBA

众包平台：ChinaCrowds

评估问题选择方法:

可以看到，两个贪心算法差别不大，但是比随机选择性能好。

评估问题集大小：

随着问题集合的增加，精确率、召回率、F值均有提升。

评估实体对齐结果：

实验表明，各项评估指标具有提升，证实了人机协作的有效性，但是MQS算法复杂度太高，导致运行时间过长。

 

本文作者：罗丹，浙江大学硕士，研究方向:机器学习，知识图谱。

---

OpenKG.CN

中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。

转载须知：转载需注明来源“OpenKG.CN”、作者及原文链接。如需修改标题，请注明原标题。

点击阅读原文，进入 OpenKG 博客。