基于机器阅读理解模型与众包验证的属性值抽取方法

来源：计算机工程杂志2021年第5期北京时间：

作者：冯桫, 刘井平, 蒋海云, 肖仰华

单位：复旦大学 计算机科学技术学院, 上海 200433

摘要：由于互联网语料的高噪音特性，传统的属性值抽取方法存在人工成本增加及训练集缺乏等问题。提出一种新的实体属性值抽取方法。利用机器阅读理解模型，从互联网语料中抽取出高质量的候选属性值，通过高效的众包验证机制调整各候选属性值的权重，得到最终抽取结果。实验结果表明，与OpenTag、QANET等模型相比，该机器阅读理解模型有效提升了候选属性值抽取的准确性，抽取准确率提升10%左右，同时通过众包验证方法，能够以较低的众包成本提高属性值抽取的整体性能。

关键词：属性值抽取,机器阅读理解模型,知识图谱,众包,序列标注

基金资助：上海市科技创新行动计划（19511120400）。