《中国人工智能学会通讯》——12.38 知识库与 HTML 表格的融合

12.38 知识库与 HTML 表格的融合

近年来，HMTL 表格（Web Table）作为万维网上重要的结构化数据，受到了广泛关注。HTML 表格有两个优点，其一是数量巨大，根据微软在 2012年的统计，万维网上存在着近6亿的HTML表格[33] ；其二结构良好，如图 4 所示，左侧和右下的 HTML表格以良好的结构提供了公司的信息。
因此，本文提出将HTML表格的数据抽取出来，链接到知识库中，以实现知识库补全。图 4 给出了这一想法的示意，将 HTML 表格中的公司实体与属性映射到知识库的公司（company）类型，从而扩充知识库的公司实体及相关关系。

实现这一目的的第一步是类型匹配，即给定HTML 表格的一列，确定其对应的知识库中的概念。这一工作可以通过众包链接任务完成，如图 5 所示，
给出以 Title 为表头的一列，让众包判断它的类型是电影名称、图书标题，或是其他。类型匹配是后续实体链接、类型链接的重要基础。下面以此为例说明众包机器协同工作的机制（见 4.2 节）。