一种基于图嵌入模型的关联感知真值发现

摘要：

为解决多源数据间广泛存在的冲突问题,真值发现成为一个热门的研究课题.现有的真值发现算法通常基于这一原则:如果一个信息源总是提供真实的信息,那么就会更加可信;如果一条信息由可信的信息源支持,那么就更有可能是真实的.现有的真值发现算法虽然在大部分场景下取得了较好的效果,但大多忽略了实体属性之间的关系.在本文中,提出了一种新的模型,该模型采用图嵌入方式在真值发现的同时捕捉了实体属性间的关系.通过构建4种异构网络,包括源-源、源-属性值、实体属性-实体属性、实体属性-实体属性值网络,以对数据之间的关系建模.接着将这些网络嵌入到低维空间中,使得可靠的来源和可靠的属性值彼此接近,实体属性之间的关系反映在属性值上,从而进行真值发现推理.在2个真实数据集上的实验,表明本文的算法优于现有的真值发现算法.

关键词：图嵌入、真值发现、实体属性关系、异构网络

所属期刊栏目：12

分类号：TP301(计算技术、计算机技术)

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14