基于机器阅读理解模型与众包验证的属性值抽取方法

• 作者: 冯桫 刘井平 蒋海云 肖仰华
• 来源期刊: 计算机工程
• 关键词: 属性值抽取 机器阅读理解模型 知识图谱 众包 序列标注
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 97-103
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057666

摘要

由于互联网语料的高噪音特性,传统的属性值抽取方法存在人工成本增加及训练集缺乏等问题.提出一种新的实体属性值抽取方法.利用机器阅读理解模型,从互联网语料中抽取出高质量的候选属性值,通过高效的众包验证机制调整各候选属性值的权重,得到最终抽取结果.实验结果表明,与OpenTag、QANET等模型相比,该机器阅读理解模型有效提升了候选属性值抽取的准确性,抽取准确率提升10％左右,同时通过众包验证方法,能够以较低的众包成本提高属性值抽取的整体性能.