How much is a triple? Estimating the cost of knowledge graph creation (ISWC-2018)

[BrambleXu]

一句话总结

手动创建一个三元组（triple）的成本大约在 2 到 6 美元左右，而自动创建知识图谱的成本要降低 15 到 250 倍（即一个三元组 1 美分到 15 美分）。

triple: (subject, relation, object). For example, "(cats, play with, yarn)"

概要

这篇文章很短，大致估计了一下创建每条三元组的成本。

用于比较的知识图谱数据库有两大类型，人工创建和自动创建。人工创建指的是通过人力来制作三元组 。自动创建是通过编写代码，通过代码自动从数据中提取三元组。

• 人工创建（通过投资或时薪来估算）

  • Cyc: 花钱请1000个专业人士制作的，cost per assertion = total cost / number of assertions
  • Freebase：志愿者制作的，因此很难统计志愿者投入的时间。于是借鉴了创建wiki词条平均使用的时间。每一条语句需要 18.7 分钟。用每小时 7.25 美元作为人工成本，每一句的成本可以换算为 2.25 美元。

• 自动创建（通过每小时的lines of code (LOC)和时薪来估算）

  • DBpedia：基于 DBpedia 提取框架从维基百科 Dump 得到的，它通过映射中心实体而创建知识图谱
  • YAGO：将维基百科提取的知识与 WordNet相结合，成本包含 WordNet 的搭建费用
  • NELL：a Web-scale crawler that leverages massive knowledge from the unstructured Web page.

另外不仅要看成本，还要看数据的质量

可以看到人工创建的错误率普遍较低。

创建知识图谱的成本