Una comparación de embeddings de palabras y modelos de n-gramas para la detección de tipos de DBpedia y entidades inválidas
Autores: Zhou, Hanqing; Zouaq, Amal; Inkpen, Diana
Idioma: Inglés
Editor: MDPI
Año: 2018
Acceso abierto
Artículo científico
2018
Una comparación de embeddings de palabras y modelos de n-gramas para la detección de tipos de DBpedia y entidades inválidas
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Detección
Tipos de DBpedia
Entidades
Incrustaciones de entidades
Modelos N-gram
Clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Este artículo presenta y evalúa un método para la detección de tipos y entidades de DBpedia que se puede utilizar para la completación y mantenimiento de bases de conocimiento. Este método compara incrustaciones de entidades con modelos N-gram tradicionales acoplados con agrupamiento y clasificación. Abordamos dos desafíos: (a) la detección de tipos de entidades, que se puede utilizar para detectar tipos de DBpedia inválidos y asignar tipos de DBpedia a entidades sin tipo; y (b) la detección de entidades inválidas en la descripción de recursos de una entidad de DBpedia. Nuestros resultados muestran que las incrustaciones de entidades superan a los modelos n-gram para la detección de tipos y entidades y pueden contribuir a la mejora de la calidad, mantenimiento y evolución de DBpedia.
Descripción
Este artículo presenta y evalúa un método para la detección de tipos y entidades de DBpedia que se puede utilizar para la completación y mantenimiento de bases de conocimiento. Este método compara incrustaciones de entidades con modelos N-gram tradicionales acoplados con agrupamiento y clasificación. Abordamos dos desafíos: (a) la detección de tipos de entidades, que se puede utilizar para detectar tipos de DBpedia inválidos y asignar tipos de DBpedia a entidades sin tipo; y (b) la detección de entidades inválidas en la descripción de recursos de una entidad de DBpedia. Nuestros resultados muestran que las incrustaciones de entidades superan a los modelos n-gram para la detección de tipos y entidades y pueden contribuir a la mejora de la calidad, mantenimiento y evolución de DBpedia.