基于概率推断的质量控制智能体

• 作者: 徐耀丽 李战怀
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 质量控制 实体解析 不一致性消歧 智能体 查准率
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 大数据与数据科学
• 页码范围: 8-13
• 页数: 6页
• 分类号: TP391
• 字数: 7156字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2019.04.002

摘要

实体解析(Entity Resolution,ER)是数据集成和清洗领域的基础问题,而不一致性消歧(Inconsistency Recon-ciliation,IR)通过对现存的不同ER算法产生的不一致记录对进行消歧,进一步提升解析效果.但是现有的IR方法有一个局限,即消歧结果没有质量保障.对此,首次提出了一个基于概率推断的质量控制智能体,记为QCAgent.该智能体不需要训练数据集,能够在满足给定查准率的约束条件下输出查全率最大的消歧结果.它的核心思想是:首先,使用异常点检测模型来估算不一致记录对匹配的概率,并依据这些概率估算查准率和查全率,再将计算出的查准率和查全率作为环境端的反馈;其次,使用二分搜索算法,选择满足查准率要求且查全率最大的翻转方案,作为QCAgent的下一次行动;然后,用更新后的一致结果训练异常点模型,并估算查准率和查全率.按此循环,当新估计的查准率满足约束条件时,该迭代过程停止.在真实的数据集上,实验结果表明:QCAgent能够有效解决消歧结果的质量控制问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李战怀	西北工业大学大数据存储与管理工业和信息化部重点实验室	254	2139	21.0	35.0
2	徐耀丽	西北工业大学计算机学院	4	13	1.0	3.0