新框架提升AI應用處理的知識圖譜匹配能力
背景介紹
由中國合肥的吳信東教授帶領的一個研究團隊，最近開發了一個無監督的實體對齊框架，旨在提高人工智慧應用中在多個知識圖譜中搜尋相關訊息的準確度。
這個 SE-UEA 框架結合了多種方法的優點，並避免依賴人工勞動開始對齊過程。研究人員測試了這個框架在幾個跨語言資料集上的表現，並將其與其他 14 種機器學習演算法的結果進行比較。研究成果已發表在《Intelligent Computing》期刊上。
新框架優勢
這個 SE-UEA 框架在精確度和召回率方面表現優於 12 種競爭演算法，包括監督和非監督的。總體得分上，它在所有三個資料集中的表現也優於其他演算法。
新框架的一個主要優勢是它不需要人工耗時地對資料集進行注釋。它可以自動處理缺少訊息的資料集，並合併內部結構不同的資料集。研究人員的定量研究結果顯示，使用比較簡單的自動方法來處理知識圖譜是方便且有效的，從而建立更複雜的方法。
由框架的兩個模組組成：一個尋找表面相似性，另一個尋找實體之間關係的相似性。它們都利用了一對知識圖譜，此例中該對圖譜包含了同一內容的英文和日語、法語或中文版本。
相關思考和啟示
知識圖譜在人工智慧應用中扮演著重要的角色，特別是在推薦系統方面，但任何知識呈現方式都是不完整的。因此透過實體對齊的過程，將來自多個知識圖譜的訊息結合起來是非常有必要的。
事實表明，最簡單的匹配方法是比較表面的屬性，例如實體的名稱。但更複雜的方法可以取得更好的效果，但通常需要繁瑣的手工建立輸入資料。
新的無監督實體對齊框架 SE-UEA 提供了一種自動處理簡單和困難資料集，從而引出更複雜資料集的方法。我們對這種自動化意外地依賴人類的深度學習的現狀肯定不滿，因為它促使了對擴充套件深度學習的研究。自動化方法無法取代人工智慧，只能輔助人工智慧。
結論和建言
未來的研究可以透過改進框架的兩個模組之一來進一步提高框架的效率和準確性，並使用更複雜的資料集來測試模型。
總的來說新的 SE-UEA 框架為人工智慧應用的知識圖譜匹配能力提供了一種更簡單、更自動化的方法，從而有效地提高了處理相關問題的能力。
延伸閱讀
- 資料科技公司 Daloopa 開發 AI 以自動化財務分析工作
- 今年的 Met Gala 主題是 AI 極深假裝
- Y Combinator 幫助醫療記錄 AI 新創 Hona 募得 300 萬美元 的故事
- Pinterest AI 打造的拼貼圖比單張針腳更吸睛
- Atlassian 推出新的 AI 同事 Rovo
- 三星的營運利潤飆升 930％，AI 動能帶動記憶晶片需求
- GitHub 推出 Copilot Workspace：AI 驅動的軟體工程空間
- 「馬斯克的 xAI 示範 AI 新創公司的龐大市場潛力」
- 照片分享社群 EyeEm 將許可使用者的照片以訓練 AI，如果使用者不刪除照片
- 英偉達收購 AI 工作負載管理新創公司 Run:ai
