2.5 小结
本章提出一个从多数据源提取属性并通过概率为属性打分的算法框架。同以往基于实体的方法不同,新的方法强调实体的歧义性,并与基于概念的模式聚合。这项工作创新地将两种模式结合在一起,并通过多重数据源获取属性,依靠Pairwise排序算法聚合属性得分。总而言之,本工作能得到严谨而实用的属性典型度得分,用以支持上层短文本理解推理。
时间: 2024-09-22 22:54:14
本章提出一个从多数据源提取属性并通过概率为属性打分的算法框架。同以往基于实体的方法不同,新的方法强调实体的歧义性,并与基于概念的模式聚合。这项工作创新地将两种模式结合在一起,并通过多重数据源获取属性,依靠Pairwise排序算法聚合属性得分。总而言之,本工作能得到严谨而实用的属性典型度得分,用以支持上层短文本理解推理。