Learning conflict resolution strategies for cross-language Wikipedia data fusion
Learning conflict resolution strategies for cross-language Wikipedia data fusion
复制标题
学习跨语言维基百科数据融合的冲突解决策略
DOI：
--
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
Christian Bizer
中科院分区：
文献类型：
--
作者：
Volha Bryl;Christian Bizer
为了有效地利用网络上不断增长的结构化数据，应该设计用于质量感知数据集成的方法和工具。在本文中，我们提出了一种方法来自动学习的冲突解决策略，这是一个关键的步骤，在大规模的数据集成。该方法被实现为Sieve数据质量评估和融合框架的扩展。我们应用和评估我们的方法融合数据的10种语言版本的DBpedia，从维基百科提取的大规模结构化知识库的用例。我们还提出了一种方法，用于提取丰富的出处元数据为每个DBpedia的事实，这是后来用于数据融合。
In order to efficiently use the ever growing amounts of structured data on the web, methods and tools for quality-aware data integration should be devised. In this paper we propose an approach to automatically learn the conflict resolution strategies, which is a crucial step in large-scale data integration. The approach is implemented as an extension of the Sieve data quality assessment and fusion framework. We apply and evaluate our approach on the use case of fusing data from 10 language editions of DBpedia, a large-scale structured knowledge base extracted from Wikipedia. We also propose a method for extracting rich provenance metadata for each DBpedia fact, which is later used in data fusion.