[論文レビュー] EAGER: Embedding-Assisted Entity Resolution for Knowledge Graphs

Daniel Obraczka, Jonathan Schuchart+1 more|arXiv (Cornell University)|Jan 15, 2021

Data Quality and Management参考文献 39被引用数 4

ひとこと要約

EAGER は、知識グラフにおけるエンティティレゾリューションのための新規で教師ありのシステムであり、機械学習分類器を用いてグラフ埋め込みと属性類似度を統合する。構造的特徴と属性ベースの特徴を統合的な学習フレームワークで活用することで、特に深い知識グラフにおいて、最先端の手法を上回り、統計的に有意な向上を達成する。

ABSTRACT

Entity Resolution (ER) is a constitutional part for integrating different knowledge graphs in order to identify entities referring to the same real-world object. A promising approach is the use of graph embeddings for ER in order to determine the similarity of entities based on the similarity of their graph neighborhood. The similarity computations for such embeddings translates to calculating the distance between them in the embedding space which is comparatively simple. However, previous work has shown that the use of graph embeddings alone is not sufficient to achieve high ER quality. We therefore propose a more comprehensive ER approach for knowledge graphs called EAGER (Embedding-Assisted Knowledge Graph Entity Resolution) to flexibly utilize both the similarity of graph embeddings and attribute values within a supervised machine learning approach. We evaluate our approach on 23 benchmark datasets with differently sized and structured knowledge graphs and use hypothesis tests to ensure statistical significance of our results. Furthermore we compare our approach with state-of-the-art ER solutions, where our approach yields competitive results for table-oriented ER problems and shallow knowledge graphs but much better results for deeper knowledge graphs.

研究の動機と目的

• 多様なエンティティタイプ、スキーマの不一致、および変動する属性表現を有する異種知識グラフにおけるエンティティレゾリューションの課題に対処すること。
• 既存のER手法がスキーママッチングに過度に依存していること、または複雑で深い知識グラフにおいて性能が低いという限界を克服すること。
• 構造的（グラフ埋め込み）および属性ベースの類似度信号を効果的に統合する、汎用的でスキーマに依存しないERシステムの開発。
• 異なる実世界の知識グラフデータセットにおいて、埋め込みと属性を統合する有効性と効率性を評価すること。
• 23のサイズや構造が異なるデータセット（新規の映画ドメインデータを含む）を用いて、知識グラフにおけるエンティティレゾリューションのベンチマークを確立すること。

提案手法

• EAGER は、先行研究で最も優れた性能を示した埋め込み手法（例：TransE、node2vec、DeepWalk）を用い、エンティティをトポロジー的および意味的関係を捉える低次元ベクトル空間に符号化する。
• 文字列、日付、数値属性を含む、エンティティ間で正規化および比較することで属性類似度を抽出する。
• 埋め込みベースの特徴と属性ベースの特徴を、各エンティティペアに対して1つの特徴ベクトルに統合する。
• ラベル付きエンティティペアを用いて、マッチまたはノンマッチを予測するための教師あり機械学習分類器（例：MLP、ランダムフォレスト、XGBoost）を訓練する。
• フレームワークは柔軟な構成をサポートしており、異なる埋め込み手法や分類器を組み込み、性能のトレードオフを評価可能である。
• 性能差の有意性を検証するために、統計的仮説検定（Friedman検定およびNemenyi検定）が用いられる。

実験結果

リサーチクエスチョン

• RQ1 教師あり学習フレームワークにおいて、グラフ埋め込みと属性類似度を統合することで、異種知識グラフにおけるエンティティレゾリューションの正確性が顕著に向上するか？
• RQ2 EAGER は、Magellan や DeepMatcher といった最先端のERシステムと比較して、多様な知識グラフ構造においてどのように性能を発揮するか？
• RQ3 埋め込みと属性の統合は、単独で使用する場合よりも優れた結果をもたらすか、特に深く複雑な知識グラフにおいて顕著か？
• RQ4 どのグラフ埋め込みと分類器の組み合わせが、さまざまなデータセットにおいて最も強固で効果的な性能を発揮するか？
• RQ5 EAGER の性能向上は、複数のベンチマークデータセットにおいて統計的に有意か？

主な発見

• EAGER は23のベンチマークデータセットすべてにおいて Magellan を顕著に上回り、Nemenyi 検定における平均順位が1.125であり、全体的な性能が優れていることを示している。
• 深い知識グラフにおいて、MLP分類器を搭載した EAGER は、F-measure において DeepMatcher よりも顕著に優れており、Friedman 検定によるp値が2.21×10⁻¹¹であり、統計的に有意であることが確認された。
• テーブル指向型および浅い知識グラフでは、EAGER は最先端の手法と同等の性能を発揮し、複数のデータセットでF-measureが0.98以上を達成した。
• グラフ埋め込みと属性類似度の組み合わせは、いずれの信号を単独で使用する場合よりも一貫して高いF-measureを達成しており、マルチモーダル特徴統合の価値を示している。
• 10万件規模のデータセットでは、EAGER のMLPモデルがD-Y(V2)でF-measure 0.995を達成し、DeepMatcher（0.993）および Magellan（0.984）を上回った。
• Nemenyi 検定の臨界距離図から、EAGER（MLP）は DeepMatcher や Magellan よりも顕著に優れており、信頼区間が重複しないことが確認された。