.png){kind=icon}
返回
Knowledge Graph Quality Evaluation Under Incomplete Information
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-3462-3_11.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
知识图谱（KGs）因其在许多任务中的基础作用而日益受到关注。这些知识图谱的质量差异显著，使得对其评估愈发重要。现有的知识图谱质量评估方法通常侧重于引入新的质量指标或评估知识图谱构建过程中的性能。然而，这些方法高度依赖知识图谱中的原始数据，可能危及内部信息隐私。在实际应用中，由于商业机密等担忧，原始数据需要严格保护。为解决这些挑战，我们提出了一个基于不完整信息的知识图谱质量评估框架（QEII）。该框架将评估任务重新定义为两个知识图谱之间的对抗性问答游戏，胜者被视为质量更高的知识图谱。值得注意的是，我们的框架通过防止评估过程中暴露原始数据来确保隐私。在四个知识图谱对上的实验结果表明，与基线方法相比，我们的框架在不泄露私有信息的情况下有效评估了质量。
Keyword:
Knowledge graph
Quality evaluation
Adversarial game
期刊
A
IF:
0
论文数:
29
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容