Lattice-preserving $\mathcal{ALC}$ ontology embeddings

要約

OWLオントロジーのベクトル表現(埋め込み)の生成は、バイオインフォマティクスなどの分野で欠落している事実や知識強化学習の予測に応用されているため、ますます課題となっています。
OWLオントロジーの基礎となるセマンティクスは、記述ロジック(DL)を使用して表現されます。
埋め込みを生成するための初期のアプローチは、オントロジーからグラフを構築することに依存し、その中のロジックのセマンティクスを無視していました。
最近の意味保持埋め込み手法は $\mathcal{EL}^{++}$ のような軽量 DL 言語をターゲットにすることが多く、オントロジーのより表現力豊かな情報は無視されます。
$\mathcal{ALC}$ のような、より記述的な DL を埋め込むことを目的としたアプローチもありますが、これらの方法では個人の存在が必要ですが、現実世界のオントロジーの多くには個人が存在しません。
概念記述の格子構造を考慮した $\mathcal{ALC}$ DL 言語のオントロジー埋め込み手法を提案します。
DL とカテゴリー理論の間の接続を使用して格子構造を具体化し、順序を保持する埋め込み方法を使用してそれを埋め込みます。
いくつかの知識ベース完成タスクにおいて、私たちの方法が最先端の方法よりも優れていることを示します。
コードとデータは https://github.com/bio-ontology-research-group/catE で公開しています。

要約(オリジナル)

Generating vector representations (embeddings) of OWL ontologies is a growing task due to its applications in predicting missing facts and knowledge-enhanced learning in fields such as bioinformatics. The underlying semantics of OWL ontologies is expressed using Description Logics (DLs). Initial approaches to generate embeddings relied on constructing a graph out of ontologies, neglecting the semantics of the logic therein. Recent semantic-preserving embedding methods often target lightweight DL languages like $\mathcal{EL}^{++}$, ignoring more expressive information in ontologies. Although some approaches aim to embed more descriptive DLs like $\mathcal{ALC}$, those methods require the existence of individuals, while many real-world ontologies are devoid of them. We propose an ontology embedding method for the $\mathcal{ALC}$ DL language that considers the lattice structure of concept descriptions. We use connections between DL and Category Theory to materialize the lattice structure and embed it using an order-preserving embedding method. We show that our method outperforms state-of-the-art methods in several knowledge base completion tasks. We make our code and data available at https://github.com/bio-ontology-research-group/catE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google