Deep Active Alignment of Knowledge Graph Entities and Schemata

要約

タイトル：知識グラフのエンティティとスキーマの深いアクティブアライメント
要約：本論文では、知識グラフ（KG）が実世界の豊富な事実を保存していることを調査し、KGのアライメントについて研究しています。KGのアライメントは、異なるKG内のエンティティだけでなく、関係とクラスのアライメントを見つけることを目的としています。エンティティレベルでのアライメントは、スキーマレベルでのアライメントを互いに交叉させることができます。本研究では、ディープラーニングとアクティブラーニングに基づく新しいKGアライメント手法であるDAAKGを提案しています。ディープラーニングにより、エンティティ、関係、およびクラスの埋め込みを学習し、半教師あり学習により共にアライメントします。アクティブラーニングにより、エンティティ、関係、またはクラスのペアが推論できる可能性を推定し、人間のラベリングに最適なバッチを選択します。効率的なバッチ選択のために2つの近似アルゴリズムを設計しました。ベンチマークデータセットでの実験により、DAAKGの優れた精度と汎化性能が示され、すべてのモジュールの効果が検証されました。

– 知識グラフ（KG）は実世界の豊富な事実を保存している。
– KGアライメントは異なるKG内のエンティティだけでなく、関係とクラスのアライメントを見つけることを目的としている。
– エンティティレベルでのアライメントは、スキーマレベルでのアライメントを互いに交叉させることができる。
– ディープラーニングとアクティブラーニングに基づく新しいKGアライメント手法であるDAAKGを提案している。
– DAAKGは、半教師あり学習により、エンティティ、関係、およびクラスの埋め込みを学習し、共にアライメントする。
– DAAKGは、アクティブラーニングにより、エンティティ、関係、またはクラスのペアが推論できる可能性を推定し、人間のラベリングに最適なバッチを選択する。
– ベンチマークデータセットでの実験により、DAAKGの優れた精度と汎化性能が示され、すべてのモジュールの効果が検証された。

要約(オリジナル)

Knowledge graphs (KGs) store rich facts about the real world. In this paper, we study KG alignment, which aims to find alignment between not only entities but also relations and classes in different KGs. Alignment at the entity level can cross-fertilize alignment at the schema level. We propose a new KG alignment approach, called DAAKG, based on deep learning and active learning. With deep learning, it learns the embeddings of entities, relations and classes, and jointly aligns them in a semi-supervised manner. With active learning, it estimates how likely an entity, relation or class pair can be inferred, and selects the best batch for human labeling. We design two approximation algorithms for efficient solution to batch selection. Our experiments on benchmark datasets show the superior accuracy and generalization of DAAKG and validate the effectiveness of all its modules.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI