.png){kind=icon}
返回
Proxy-Enriched Imputation on Contextually Incomplete Web Tables
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09527-5_12.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
以网页表格和开放数据存储库形式的结构化数据为语义网奠定了基础。然而，质量问题经常被提出，主要涉及准确性和完整性。虽然缺失值插补是填补空白的首选解决方案，（1）它只能近似已知的未知值，（2）如果值缺失并非随机，则难以处理。作为补救措施，本文结合语义丰富的叙事和高质量知识图谱，动态评估各个数据集的完整性，同时考虑用户意图。在确定实际缺失的值后，我们利用最先进的NLP技术识别功能依赖属性作为后续值插补的代理。由于这些属性具有功能性依赖（至少在一定程度上），它们在相关性意义上提供了必要的上下文，从而允许更复杂的插补技术。作为概念验证，我们使用世界卫生组织开放数据存储库中的真实叙事，在一个真实场景中展示了我们方法的优势。
Keyword:
Narrative Intelligence
Open Data
Web Tables
Imputation
期刊
S
IF:
0
论文数:
30
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容