| 基于多特征融合的无监督真值发现方法 |
| |
| 引用本文： | 陈华凤,董永权,杨昊霖,张国玺. 基于多特征融合的无监督真值发现方法[J]. 数据采集与处理, 2023, 38(3): 629-642 |
| |
| 作者姓名： | 陈华凤 董永权 杨昊霖 张国玺 |
| |
| 作者单位： | 1.江苏师范大学信息化建设与管理处， 徐州 221116;2.江苏师范大学计算机科学与技术学院， 徐州 221116 |
| |
| 基金项目： | 国家自然科学基金（61872168）；江苏省研究生科研与实践创新项目(KYCX20_2382)。 |
| |
| 摘 要： | 真值发现是数据集成领域具有挑战性的研究热点之一。传统的方法利用数据源与观测值之间的交互关系推断真值，缺乏足够的特征信息；基于深度学习的方法可以有效地进行特征抽取，但其性能依赖于大量手工标注，而在实际应用中很难获取到大量高质量的真值标签。为克服以上问题，本文提出一种基于多特征融合的无监督真值发现方法（Unsupervised truth discovery method based on multi-feature fusion， MFOTD）。首先，利用集成学习无监督标注“真值”标签；然后，分别使用预训练模型 Bert和独热编码获取观测值的语义特征和交互特征；最后，融合观测值多种特征并使用其“真值”标签构建初始训练集，通过自训练方式训练真值预测模型。在两个真实数据集上的实验结果表明，与已有方法相比，本文所提出的方法具有更高的真值发现准确性。
|
| 关 键 词： | Web数据集成 半监督学习 数据清洗 真值发现 数据源质量 |
| 收稿时间： | 2022-06-24 |
| 修稿时间： | 2022-07-19 |
Unsupervised Truth Discovery Method Based on Multi-feature Fusion |
| |
| Chen Huafeng,Dong Yongquan,Yang Haolin,Zhang Guoxi. Unsupervised Truth Discovery Method Based on Multi-feature Fusion[J]. Journal of Data Acquisition & Processing, 2023, 38(3): 629-642 |
| |
| Authors: | Chen Huafeng Dong Yongquan Yang Haolin Zhang Guoxi |
| |
| Affiliation: | 1.Department of Information Construction and Management, Jiangsu Normal University, Xuzhou 221116, China;2.College of Computer Science and Technology, Jiangsu Normal University, Xuzhou 221116, China |
| |
| Abstract: | |
| |
| Keywords: | Web data integration semi-supervised learning data cleaning truth discovery data source quality |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
