Harmonizing Human Insights and AI Precision: Hand in Hand for Advancing Knowledge Graph Task

要約

ナレッジ グラフ エンベディング (KGE) は、ナレッジ グラフ補完 (KGC)、特にリンク予測 (LP) における有効性で大きな関心を集めており、最近の KGE モデルは LP ベンチマークを突破しています。
文献が急速に増えているにもかかわらず、KG に関する人間と AI の協力には十分な注意が払われてきませんでした。
ただし、グラフを概念的に分析する人間の能力により、意味情報を備えた KGE モデルの有効性がさらに向上する可能性があります。
この目的のために、私たちは KG-HAIT と呼ばれるヒューマン AI チーム (HAIT) システムを慎重に設計しました。このシステムは、KG 上で完全に人間が設計したアドホック動的プログラミング (DP) を利用して人間の洞察力に富んだ機能を生成することにより、KG に対する人間の洞察を活用します (
HIF) ベクトルは、サブグラフの構造的特徴と意味上の類似性を捕捉します。
HIF ベクトルを KGE モデルのトレーニングに統合することにより、モデルの収束が加速され、さまざまなベンチマークとメトリクスにわたって顕著な改善が観察されます。
私たちの結果は、LP のタスクにおける人間が設計した DP の有効性を強調し、KG における人間と AI 間のコラボレーションの極めて重要な役割を強調しています。
当社は、KG-HAIT を通じてさらなる探索と革新への道を開き、より効果的で洞察力に富んだ KG 分析技術への道を切り開きます。

要約(オリジナル)

Knowledge graph embedding (KGE) has caught significant interest for its effectiveness in knowledge graph completion (KGC), specifically link prediction (LP), with recent KGE models cracking the LP benchmarks. Despite the rapidly growing literature, insufficient attention has been paid to the cooperation between humans and AI on KG. However, humans’ capability to analyze graphs conceptually may further improve the efficacy of KGE models with semantic information. To this effect, we carefully designed a human-AI team (HAIT) system dubbed KG-HAIT, which harnesses the human insights on KG by leveraging fully human-designed ad-hoc dynamic programming (DP) on KG to produce human insightful feature (HIF) vectors that capture the subgraph structural feature and semantic similarities. By integrating HIF vectors into the training of KGE models, notable improvements are observed across various benchmarks and metrics, accompanied by accelerated model convergence. Our results underscore the effectiveness of human-designed DP in the task of LP, emphasizing the pivotal role of collaboration between humans and AI on KG. We open avenues for further exploration and innovation through KG-HAIT, paving the way towards more effective and insightful KG analysis techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google