[論文レビュー] Machine Knowledge: Creation and Curation of Comprehensive Knowledge Bases

Gerhard Weikum, Xin Dong+2 more|arXiv (Cornell University)|Sep 24, 2020

Data Quality and Management参考文献 604被引用数 115

ひとこと要約

大規模な知識ベース（KB）を自動的に構築・編成する方法の総合的な調査で、エンティティ探索、正準化、属性と関係の抽出、オープンスキーマ、長期KB維持管理、主要KBのケーススタディを含む。

ABSTRACT

Equipping machines with comprehensive knowledge of the world's entities and their relationships has been a long-standing goal of AI. Over the last decade, large-scale knowledge bases, also known as knowledge graphs, have been automatically constructed from web contents and text sources, and have become a key asset for search engines. This machine knowledge can be harnessed to semantically interpret textual phrases in news, social media and web tables, and contributes to question answering, natural language processing and data analytics. This article surveys fundamental concepts and practical methods for creating and curating large knowledge bases. It covers models and methods for discovering and canonicalizing entities and their semantic types and organizing them into clean taxonomies. On top of this, the article discusses the automatic extraction of entity-centric properties. To support the long-term life-cycle and the quality assurance of machine knowledge, the article presents methods for constructing open schemas and for knowledge curation. Case studies on academic projects and industrial knowledge graphs complement the survey of concepts and methods.

研究の動機と目的

• AIアプリケーションのために機械に包括的な世界知識を提供する目標を動機づける。
• エンティティ中心のKBとそのライフサイクルの基礎概念とアーキテクチャ設計を概観する。
• KB作成の核心タスクを提示する：探索、正準化、拡張、オープンスキーマの進化、編成。
• 半構造化・非構造化データ源を用いた実用的手法と設計判断を強調する。
• 原則と課題を示すために著名なKBプロジェクトのケーススタディを提供する。

提案手法

• エンティティ、クラス、属性、および高階の関係の知識表現の基礎を説明する。
• 入力ソース、品質、出力範囲を含むKB構築の設計空間を概説する。
• 多様なソースからのエンティティ探索と分類系の構築の手法を詳述する。
• エンティティリンクとマッチングを含むエンティティの正準化を説明する。
• テキストおよび半構造化データからの属性と関係の抽出技術を提示する。
• オープンスキーマの構築と長期的なKBの編成および品質保証について論じる。

実験結果

リサーチクエスチョン

• RQ1 大規模でエンティティ中心の知識ベースの必須要素とアーキテクチャは何か？
• RQ2 半構造化・非構造化ソースからエンティティ・型・関係を信頼性高く発見・正準化・拡張するにはどうすればよいか？
• RQ3 KBで長期的な維持と品質を支えるオープンスキーマと編成戦略は何か？
• RQ4 著名なKBケーススタディ（例：Wikidata、DBpedia、YAGO、OpenK...）から実用的なKB構築とガバナンスの教訓は何か？

主な発見

• 本論文は、包括的なKBの構築に不可欠な発見・正準化・拡張の技法のスペクトルを統合している。
• 固定された硬直的なスキーマよりも、オープンワールドかつペイ・アズ・ユー・ゴー方式のスキーマ成長を強調するKBスキーマ。
• 品質指標、完全性、出典情報、ライフサイクル管理をKB維持の中心として論じる。
• ケーススタディは、主要なKBプロジェクトが原則を実践にどう適用し、アプリケーションに与える影響を示す。
• 本調査はKB構築をセマンティック検索、QA、NLP、データ分析などのアプリケーションと結びつけ、分野横断的な関連性を強調している。