Universal Preprocessing Operators for Embedding Knowledge Graphs with Literals

要約

ナレッジ グラフの埋め込みは、ナレッジ グラフ (KG) 内のエンティティの高密度の数値表現です。
大部分のアプローチは関係情報、つまりエンティティ間の関係のみに焦点を当てていますが、リテラル値に関する情報 (テキストの説明や数値情報など) も考慮するアプローチはほとんどありません。
存在するものは通常、リテラルの特定のモダリティおよび特定の埋め込み方法に合わせて調整されています。
この論文では、変換された KG を任意の方法で埋め込むことができるように、数値、時間、テキスト、および画像情報のリテラルを使用して KG を変換するために使用できる一連の汎用前処理演算子を提案します。
3 つの異なる埋め込み方法を使用した kgbench データセットの結果は、有望な結果を示しています。

要約(オリジナル)

Knowledge graph embeddings are dense numerical representations of entities in a knowledge graph (KG). While the majority of approaches concentrate only on relational information, i.e., relations between entities, fewer approaches exist which also take information about literal values (e.g., textual descriptions or numerical information) into account. Those which exist are typically tailored towards a particular modality of literal and a particular embedding method. In this paper, we propose a set of universal preprocessing operators which can be used to transform KGs with literals for numerical, temporal, textual, and image information, so that the transformed KGs can be embedded with any method. The results on the kgbench dataset with three different embedding methods show promising results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google