TransBox: EL++-closed Ontology Embedding

要約

OWL (Web Ontology Language) オントロジーは、リレーショナルファクトとタイプファクトの両方を、記述論理 (DL) 公理における標準的な知識グラフと複雑なドメイン知識として表現することができ、ヘルスケアやバイオインフォマティクスなどの分野で広く採用されています。
ナレッジグラフ埋め込みの成功に触発されて、OWLオントロジーの埋め込みは近年大きな注目を集めています。
現在の方法は主にアトミックな概念と役割の埋め込みを学習することに焦点を当てており、特別に設計されたスコア関数を通じて正規化された公理に基づいた評価を可能にします。
ただし、複雑な概念の埋め込みが無視されることが多く、より複雑な公理を使用して推論することが困難になります。
この制限により、オントロジー学習やオントロジーを介したクエリ応答などの高度な推論タスクにおける効率が低下します。
この論文では、合成を介して DL で任意の論理式を表現できる EL++ クローズド オントロジー エンベディングを提案します。
さらに、多対一、一対多、多対多の関係を処理できる効果的な EL++ クローズド オントロジー埋め込み手法である TransBox を開発します。
私たちの広範な実験は、TransBox が複雑な公理を予測するために、現実世界のさまざまなデータセットにわたって最先端のパフォーマンスを達成することが多いことを実証しています。

要約(オリジナル)

OWL (Web Ontology Language) ontologies, which are able to represent both relational and type facts as standard knowledge graphs and complex domain knowledge in Description Logic (DL) axioms, are widely adopted in domains such as healthcare and bioinformatics. Inspired by the success of knowledge graph embeddings, embedding OWL ontologies has gained significant attention in recent years. Current methods primarily focus on learning embeddings for atomic concepts and roles, enabling the evaluation based on normalized axioms through specially designed score functions. However, they often neglect the embedding of complex concepts, making it difficult to infer with more intricate axioms. This limitation reduces their effectiveness in advanced reasoning tasks, such as Ontology Learning and ontology-mediated Query Answering. In this paper, we propose EL++-closed ontology embeddings which are able to represent any logical expressions in DL via composition. Furthermore, we develop TransBox, an effective EL++-closed ontology embedding method that can handle many-to-one, one-to-many and many-to-many relations. Our extensive experiments demonstrate that TransBox often achieves state-of-the-art performance across various real-world datasets for predicting complex axioms.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google