VIP内容
知识库已逐渐成为许多人工智能应用的宝贵资产。虽然当前的许多KBs相当大，但它们被广泛认为是不完整的，特别是缺乏长尾实体的事实，例如不太出名的人。现有的方法主要通过完成缺失的链接或填充缺失的值来充实KBs。然而，它们只解决了浓缩问题的一部分，缺乏对长尾实体的具体考虑。在这篇论文中，我们提出了一个成熟的方法来丰富知识，从开放的网络中预测缺失的属性和推断长尾实体的真实事实。利用来自受欢迎实体的先验知识来改进每一个充实步骤。实验结果表明了该方法的可行性和优越性。
成为VIP会员查看完整内容
知识库已逐渐成为许多人工智能应用的宝贵资产。虽然当前的许多KBs相当大，但它们被广泛认为是不完整的，特别是缺乏长尾实体的事实，例如不太出名的人。现有的方法主要通过完成缺失的链接或填充缺失的值来充实KBs。然而，它们只解决了浓缩问题的一部分，缺乏对长尾实体的具体考虑。在这篇论文中，我们提出了一个成熟的方法来丰富知识，从开放的网络中预测缺失的属性和推断长尾实体的真实事实。利用来自受欢迎实体的先验知识来改进每一个充实步骤。实验结果表明了该方法的可行性和优越性。
Open Knowledge Enrichment for Long-tail Entities
