百度知识图谱构建技术|《Mining Type Information from Chinese Online Encyclopedias》论文阅读

发表于 更新于 分类于 评论数： 阅读次数：

《Mining Type Information from Chinese Online Encyclopedias》论文阅读

1. Introduction

  1. 找到一种从中文百科中挖掘类型信息的方案，作为中文LOD的补充
  2. 使用attribute propagation algorithm 生成了很多属性
  3. 找到一种评估种类属性和类型属性的评估方法

2. Approach

工作流程：

image-20190531204637839

  1. Explicit IsA Relation Detector从百科中的摘要和infobox中检测instanceOf关系，从类别系统中检测subclassOf关系
  2. 构建类别属性和实体属性，category with attributes 由被识别的instanceOf关系类别属性和实体属性组成

2.1 IsA Relation Detector

启发式检测

InstanceOf Relation Detection

从infoboxex和abstracts中获取

  1. infobox中一些(attribute, value)对经常被放入实体集和概念集中。我们认为如一个atrribute存在于概念集并且实体集存在它的值（value），就存在InstanceOf关系

一般来说，一个实体的概括(abstracts)中的第一句话是这个实体的定义。我们对这句话用fudanNLP工具进行语法分析，如果这句话的主语是实体，谓语是”是(be)”，并且宾语存在于概念集，我们认为这个主语和宾语有InstanceOf关系

SubclassOf Relation Detection

从中文百科的categories中获取

  1. 首先生成SubclassOf类别对，其形式为(sub-category, category)，其次用两种启发式搜索从这些categories中搜索subclassOf关系
  2. 第一种搜索方法：根据相同的词汇开头声称对，如江苏学校 (school in Jiangsu) SubclassOf 中国学校 (school
    in China)（在中文中，用短语的最后一个名词）。先用FudanNLP分析短语（类似分词）。例：中国足球运动员->中国/足球/运动员->（中国足球运动员，运动员)
  3. 根据第一种搜索方法匹配出来的标签对，在zhishi.me中检索筛选

2.2 Category Attributes Generator

不同infoxbox的属性有很大差别，但是template（模版）量很少，并且种类属性的缺少也不利于推断，而且有很多没有属性的种类被弃用，所以作者用所有的category和subclassof关系组成了category graph，用种类图去生成属性，辨识InstanceOf和subclassOf的关系

Category Graph: 种类图是DAG（有向无环图），G = (N, E), N是表示所有categories的节点集合。E表示所有边$∈E$ ，这些边代表category $c_1$ 和category $c_2$ 有subclassOf关系。

属性传播算法：属性传播算法在种类图上遵守以下规则：

  1. 如果种类$c ∈ N$有从infobox 模版中的属性，这些属性不变
  2. 如果种类$c ∈ N$有拥有属性的实体，当这些属性有一半以上的实体拥有时，这些属性应该被传播给c
  3. 如果种类$c ∈ N$有拥有属性的子种类，当这些属性有一半以上的子属性拥有时，这些属性应该被传播给c
  4. 如果种类$c ∈ N$的父种类有属性，那么这些属性应该继承给c

具体流程：

image-20190601170315218

image-20190601170356953

image-20190601170839026

image-20190601170855367

2.3 Instance Type Ranker

在执行属性传播算法后，我们获得了相关文章的实体，实体的属性和种类，并嵌入Instance Graph中，随后使用基于实体图的随机游走算法来去除数据噪音。

Instance Graph: 为加权有向图. $G = (N, E, P; φ)$ 其中

image-20190601175706452

可以理解为：

$N$: 实体，实体的属性，实体的种类的并集

$E$: 给定实体和其属性的有向边，相应文章属性和种类的有向边的并集

$P$: 从给定实体游走到其性质的概率，从属性游走到种类的概率的并集

image-20190601180404433

如果属性的意义相同（生日/出生日期），可以用如下办法解决：

对于给定实体$i_j∈N_I$, 如果一个属性$a_k ∈N_A$不属于任何种类$c_l∈N_c$, 但是$c_l$ 有$a_k$同义的属性,那么就用一条有向边把$a_k$和$c_l$连接起来。

Graph-Based Random Walk：假设一个属性，拥有它的种类越少，那么这个属性就越具有代表性。如果一个实体有这样的具有代表性的属性（只是一个种类的属性），那么这个实体的type就是这个种类。所以可以有如下定义：

其中$a_i$为属性。

随机游走过程从给定实体$ij ∈ N_I $ 开始，随机走到它的一个属性$a_k ∈N_A$，其概率为$p{IA{jk}} ∈ P{IA}$，最后，从一个属性随机行走一步到一个和$i_j$在文章同一页的种类$c_l∈N_c$

image-20190601182247799

N为种类数量，$Count^*(a_k)$为从$a_k$出来的有向边的数量。

这样，随机游走更偏向于那些具有代表性的属性，我们就能得到正确的category。

当从属性向种类游走时，如果种类对这个属性有相同的概率(例如Fig2中PAC1 = PAC2 = 0.5)，定义一个种类作为实体的type的概率如下

$Count′(c_l)$ is the total number of times for$ c_l$ as the destination and $P(c_l|i_j) $converges after $t$ times graph walk.