发布日期：2024-10-10 07:52 点击次数：108
实体匹配不错判断两个数据聚首的纪录是否指向兼并施行宇宙实体，关于大数据集成、顶住集聚分析、集聚语义数据不停等任务不成或缺.手脚在当然言语处理、推测机视觉中得回多数顺利的深度学习时间，预考验言语模子在实体识别任务上也得回了优于传统本领的后果，引起了多数参谋东说念主员的照看.关联词，基于预考验言语模子的实体匹配时间后果不褂讪、匹配领域不成阐发，给这一时间在大数据集成中的应用带来了很大的不细则性.同期，现存的实体匹配模子阐发本领主要面向机器学习本领进行模子无关的阐发，在预考验言语模子上的适用性存在弱势.因此，以Ditto、JointBERT等BERT类实体匹配模子为例，淡薄3种面向预考验言语模子实体匹配时间的模子阐发本领来搞定这个问题：（1）针对序列化操作中相干数据属性序的敏锐性，关于错分样本，应用数据集元特征和属性相通度终了属性序反事实生成；（2）手脚传统属性进军性预计的补充，通过预考验言语模子把稳力机制权重来预计并可视化模子处理数据时的有关性；（3）基于序列化后的句子向量，使用k相近搜索时间调回与错分样本相通的可阐发性优良的样本，增强低置信度的预考验言语模子瞻望领域.在真确公开数据集上的实验领域标明，通过增强本领教化了模子后果，同期，在属性序搜索空间中大略达到保真度上限的68.8%濑亚美莉全集，为针对预考验言语实体匹配模子的有筹算阐发提供了属性序反事实、属性有关交融等新角度.