语义数据集提供了自动化许多任务的支持，例如决策制定和问题解答。 但是，它们的性能总是被数据集中的噪声所降低，其中，嘈杂的类型断言起着重要的作用。 这个问题主要在数据挖掘领域研究，而不是在语义Web社区中研究。 在本文中，我们利用隐藏在数据集中的概念不相干关系来研究语义Web数据集中的噪声类型断言检测问题。 我们将嘈杂的类型断言检测转换为类型断言对的多类分类，这些类型断言将一个人分为两个潜在的不相交的概念。 Adaboost使用C4.5作为基本分类器解决了多类分类问题。 此外，我们基于instan