要約
記述ロジックのオントロジーの埋め込みを生成し、その埋め込みを機械学習に利用するアプローチがいくつか開発されている。オントロジーの埋め込みを生成するアプローチの一つは、まずオントロジーをグラフ構造に埋め込む、すなわち、名前付きエンティティと論理公理のノードとエッジのセットを導入し、グラフ埋め込みを適用してグラフを$mathbb{R}^n$に埋め込む方法である。オントロジーをグラフに埋め込む手法（グラフプロジェクション）は、利用できる公理の種類、プロジェクションが反転可能か否か、主張された公理やその演繹的閉包に適用可能か否かに関する異なる形式特性を持っている。我々は、オントロジー埋め込みに使用されてきたいくつかのグラフ投影法を定性的、定量的に分析し、グラフ投影法の特性がオントロジー埋め込みから公理を予測する性能に与える影響を実証する。その結果、グラフ投影法の違いにより、ノードやエッジへの公理の投影や、知識を表現する際のオントロジーの選択が、オントロジー埋め込みによる公理予測の成功に影響することがわかった。
要約(オリジナル)
Several approaches have been developed that generate embeddings for Description Logic ontologies and use these embeddings in machine learning. One approach of generating ontologies embeddings is by first embedding the ontologies into a graph structure, i.e., introducing a set of nodes and edges for named entities and logical axioms, and then applying a graph embedding to embed the graph in $\mathbb{R}^n$. Methods that embed ontologies in graphs (graph projections) have different formal properties related to the type of axioms they can utilize, whether the projections are invertible or not, and whether they can be applied to asserted axioms or their deductive closure. We analyze, qualitatively and quantitatively, several graph projection methods that have been used to embed ontologies, and we demonstrate the effect of the properties of graph projections on the performance of predicting axioms from ontology embeddings. We find that there are substantial differences between different projection methods, and both the projection of axioms into nodes and edges as well ontological choices in representing knowledge will impact the success of using ontology embeddings to predict axioms.
arxiv情報
| 著者 | Fernando Zhapa-Camacho,Robert Hoehndorf |
| 発行日 | 2023-05-11 09:24:24+00:00 |
| arxivサイト | arxiv_id(pdf) |