论文 | CIKM2017 最佳论文鉴赏

导读：

ACM CIKM 2017全称是The 26th ACM International Conference on Information and Knowledge Management，是国际计算机学会（ACM）主办的数据库、知识管理、信息检索领域的重要学术会议。

本届CIKM于11月6日-10日在享有“花园城市”美誉的新加坡举办，蚂蚁金服多位小伙伴前往参会。会议共收到Full/Short Paper投稿1274篇，其中Full Paper投稿855篇，录用171篇（录用率20%）；Short Paper投稿419篇，录用119篇 (28%)，反映了数据库、知识管理、信息检索领域国际前沿的研究水平。

参会归来后，小编邀请了参会的同学与各位读者们第一时间分享了CIKM的参会感受。在接下来的CIKM系列分享中，你将会看到：CIKM最佳论文鉴赏，Network Embedding专题和Transfer Learning 专题。本篇文章是CIKM系列分享的第一篇：CIKM最佳论文鉴赏。其他内容将在明后天的稿件推送中发出，敬请期待。

前记

本届会议参会人数超过700人，来自全球40多个国家的研科研院所，以及谷歌、微软、FaceBook、亚马逊、阿里巴巴、腾讯、搜狗等国内外知名企业。

有几点值得一提：

• 来自中国的参会者人数，居首！

• 来自中国的论文作者人数，依然居首！

• 特别给力的是，本届CIKM所有的Best Paper，Best Runner-ups Papers，Best Demo奖项毫无遗漏全部被华人学者包揽！

会议产出的3个Best奖项如下：

• 最佳长论文奖：Hike: A Hybrid Human-Machine Method for Entity Alignment in Large-Scale Knowledge Bases（本篇文章将对这篇论文进行详细解读）

• 最佳短论文奖：Text Coherence Analysis Based on Deep Neural Network

• 最佳Demo奖：AliMe Assist: An Intelligent Assistant for Creating an Innovative E-commerce Experience - Feng-Lin Li; Minghui Qiu; Haiqing Chen; Xiongwei Wang ; Xing Gao; Jun Huang; Juwei Ren; Zhongzhou Zhao; Weipeng Zhao; Lei Wang; Guwei Jin ; Wei Chu

在这里再次祝贺阿里小蜜团队，以压倒性优势拿下最佳Demo奖！

最佳论文背景解读

今年的最佳长论文奖由清华大学的李国良老师团队获得，论文题为：Hike: A Hybrid Human-Machine Method for Entity Alignment in Large-Scale Knowledge Bases《一种基于人机协作的大型知识图谱对齐方法》。因为是最佳论文，本篇分享单独对该文章做细致解读。为了能让各位读者有所得，涉及的细节较多，篇幅较长。如果你只是想一瞥论文思路，并不打算深究细节，那么后续章节中只挑“快读”部分阅读即可。  

知识库是对客观世界的事物及其相互关系的一种形式化描述(包括实体、类和关系等，下图是2个知识库的示例，圆圈表示实体，实线矩形表示类，实体之间的箭头表示关系)，其目的是让机器像人一样能够记忆、理解、推理，在知识管理、信息检索等领域具有广泛应用。目前很多国内外企业和高校已经建立数百个大型知识库（例如谷歌的Freebase等）。为了提高知识库的覆盖率和准确率，一个重要的任务是集成这些异构知识库。然而，由于这些知识库体量大、不一致性和不确定性高，目前自动化的知识库对齐方法质量不高，召回率低。 

文章提出一种新型的人机协作的方法（A Hybrid Human-Machine Method），解决大规模知识库（Knowledge Base）之间实体对齐（Entity Alignment）的问题，并拿到了优于已有的自动对齐方法的结果。实体对齐是知识库对齐的一个子任务，是要判断两个知识库K和K′中，哪些实体描述的是同样的东东，并把它们link起来，例如下图中的hhenry_walthall和henry_b_walthall属于同一实体。

大规模知识库之间的实体对齐问题，有很多挑战：

• 知识库中拥有海量的实体，如果纯靠人工去标记实体并做对齐工作，不论从人工成本还是可行性方面看，都是很不现实的。

• 有自动的实体对齐算法，但是召回率只达到70%，质量不高。

读后感受

通过仔细地品读整篇文章，个人觉得这个工作之所以能拿下最佳论文奖项，原因有如下几个方面：

• 工作内容本身：围绕着“能应用于大规模数据集”这一目标，打出了一系列组合拳，包括实体划分（显著降低计算量，并让问题可并行计算）、偏序构建（使得未知问题的解可通过已知问题的答案推理得到）、问题选择+众包机制+推断算法（进一步降低计算量和花销）和错误容忍机制（提升质量），终使得实体对齐得以在大规模数据集落地。

• 工作非常饱满：几乎每一个细节之处都处理得很精致，不马虎；环环相扣，不断提出问题和解决问题，读后有一种淋漓尽致的感觉。

当然，文章中也存在一些值得商榷的地方和影响阅读的小瑕疵，整体感觉是后半部分质量不及前半部分。但本篇分享不做细节勘误。如果你在细读原论文时有任何细节困惑，欢迎在本文评论区留言交流！

论文解读

下面正式进入对论文细节的解读。为避免概念混淆，请留意：

（1）下文提到的实体对，永远都是指分别来自2个知识库的实体构成的实体对，同一个知识库中不谈实体对。此外，所述实体对只单纯是成对的实体，并不意味着一定是“对齐的”实体。

（2）后文中根据语境，会交叉使用“实体对”和“问题”两种表述，记得它们是一样的东东，因为每个实体对(e_i,e_j)都对应着如下问题：这俩实体是否匹配？

Introduction

论文背景

随着World Wide Web的发展，有越来越多异构的大规模知识库（Knowledge Base）产生，比如DBPedia（一个从维基百科的词条里撷取出的结构化的知识库）、YAGO（从WordNet和维基百科等构成的知识库）等等。知识库广泛应用于自动问答（Question Answer）、语义搜索（Semantic Search）等领域。知识库有几种组成元素：实体（entity，如Alibaba Group），类（class，实体所属的类别，如Company），关系（relation，如Alibaba Group isA Company，isA即是关系），属性（property），字面值（iteral，如日期、数值等）等。不同的知识库是异构的，因此可以互为补充。例如DBPedia有很多实体（entity）但只有少量的class，而YAGO则拥有成千上万的class（见下表），倘若可以link这两个知识库，便可以起到互相补充以提高知识库覆盖度的作用。

通常，我们会以三元组(s,p,o)表达知识库中的一条条事实：s=subject ，可以是实体或类；o=object，可以是实体、类或字面值；p=predicate （谓词），可以是关系或属性。 

先贴一下方案的框架图，可以看到：输入是两个知识库K和K′，输出是两个知识库之间匹配的实体对，主要流程有Entity Partition，Partial Order Construction，Question Selection和Error Tolerance。

接下来，我们看看论文作者是如何环环相扣，以较小的计算量和花销解决实体对齐问题的。

转自：蚂蚁金服科技

完整内容请点击“阅读原文”