Rematch: Robust and Efficient Matching of Local Knowledge Graphs to Improve Structural and Semantic Similarity

要約

ナレッジ グラフは、質問応答や事実確認などのさまざまなアプリケーションで極めて重要な役割を果たします。
抽象意味表現 (AMR) は、テキストをナレッジ グラフとして表現します。
これらのグラフの品質を評価するには、それらを構造的に相互に照合し、意味的にソース テキストと照合する必要があります。
既存の AMR メトリクスは非効率的であり、意味的な類似性を捉えるのに苦労しています。
また、AMR グラフ間の構造的類似性を評価するための体系的な評価ベンチマークも不足しています。
これらの制限を克服するために、RARE と呼ばれる構造的類似性の新しい評価と並行して、新しい AMR 類似性指標である再一致を導入します。
最先端の指標の中で、再戦は構造的類似性において 2 位にランクされています。
STS-B および SICK-R ベンチマークでは、セマンティック類似性が 1 ～ 5 パーセント ポイント向上しました。
再試合も、次に効率的なメトリクスよりも 5 倍高速です。

要約(オリジナル)

Knowledge graphs play a pivotal role in various applications, such as question-answering and fact-checking. Abstract Meaning Representation (AMR) represents text as knowledge graphs. Evaluating the quality of these graphs involves matching them structurally to each other and semantically to the source text. Existing AMR metrics are inefficient and struggle to capture semantic similarity. We also lack a systematic evaluation benchmark for assessing structural similarity between AMR graphs. To overcome these limitations, we introduce a novel AMR similarity metric, rematch, alongside a new evaluation for structural similarity called RARE. Among state-of-the-art metrics, rematch ranks second in structural similarity; and first in semantic similarity by 1–5 percentage points on the STS-B and SICK-R benchmarks. Rematch is also five times faster than the next most efficient metric.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google