一种实体对齐的主动学习框架方法

摘要

本发明提出一种实体对齐的主动学习框架方法，从缩小实体对齐的范围出发，考虑生产环境中缺少标签数据的问题，使用多角度的两个学习引擎相互对抗和增强的方式，对模型进行训练，以完成实体对齐任务。该方法主要包括：实体分块、训练集生成、主动学习过程和候选集生成与预测。主动学习过程中包含对实体的不同侧重的模型，可以分别考虑实体的属性和关系。同时对无标签数据的指标难以测量问题，提出使用继续训练这一方式进行补足，从而满足实体对齐模型在不损失性能的同时在无标签数据的情况下的应用。