[論文レビュー] MPSUM: Entity Summarization with Predicate-based Matching

Dongjun Wei, Shiyuan Gao+3 more|arXiv (Cornell University)|May 25, 2020

Topic Modeling参考文献 13被引用数 14

ひとこと要約

本稿では、述語の独自性と目的対象の重要性を統合することでLDAを拡張し、RDF三項節をランク付けする新しいエンティティ要約手法MPSUMを提案する。RDFデータに目的対象のカテゴリを追加し、推論にGibbsサンプリングを用いることで、DBpediaおよびLinkedMDBで最先端の手法を上回り、特に多様性と関連性において高いF-measureおよびMAPスコアを達成する。

ABSTRACT

With the development of Semantic Web, entity summarization has become an emerging task to generate concrete summaries for real world entities. To solve this problem, we propose an approach named MPSUM that extends a probabilistic topic model by integrating the idea of predicate-uniqueness and object-importance for ranking triples. The approach aims at generating brief but representative summaries for entities. We compare our approach with the state-of-the-art methods using DBpedia and LinkedMDB datasets.The experimental results show that our work improves the quality of entity summarization.

研究の動機と目的

• RDF知識グラフにおける実世界のエンティティに対して、簡潔かつ代表的な要約を生成する課題に対処すること。
• 述語の独自性や目的対象の重要性といった意味的要因を組み込むことで、既存のLDAベースのエンティティ要約を改善すること。
• 目的対象のカテゴリをRDFデータに豊かに与え、三項節のランク付けを最適化することで、エンティティ要約の質を向上させること。
• F-measureやMAPといった標準的な指標を用いて、最先端のアプローチと比較して本手法の性能を評価すること。
• 関連性と多様性のバランスをとるスケーラブルで確率的フレームワークを提供すること。

提案手法

• 各ドキュメントをオブジェクトの袋（bag）としてモデル化し、述語を中間トピックとするようにLDAモデルを拡張する。
• 目的対象の重要性（カテゴリ頻度による）と述語の独自性（述語の逆文書頻度による）を組み合わせた、新たな三項節ランク付け手法MPを導入する。
• 各ドキュメントに目的対象のカテゴリを追加することでRDFデータを補完し、対象のカテゴリ数に応じてその頻度を増加させる。
• 推論にGibbsサンプリングを採用し、実験でEM法やTF-IDF補正付きGibbsサンプリングを上回る性能を達成する。
• コーパスサイズに基づいてハイパーパrameter α と β を設定し、α = (E/20)/R とし、β はデータセットごとに調整（DBpediaでは0.01、LinkedMDBでは50/R）。
• トピック数Kをコーパス内のユニークな述語数に等しく設定することで、各述語に対してトピックカバレッジを確保する。

実験結果

リサーチクエスチョン

• RQ1 目的対象の重要性と述語の独自性を統合することで、RDF知識グラフにおけるエンティティ要約の質が向上するか？
• RQ2 目的対象のカテゴリをRDFデータに追加することで、LDAベースのエンティティ要約の性能にどのような影響を与えるか？
• RQ3 提案されたMPランク付け手法は、標準LDAや他の最先端のエンティティ要約技術を上回るか？
• RQ4 多様なRDFデータセットにおいてMPSUMの最適なハイパーパrameter設定（α, β）は何か？
• RQ5 既存手法と比較して、MPSUMはエンティティ要約における関連性と多様性のバランスをどの程度良好に保っているか？

主な発見

• MPSUMはDBpediaおよびLinkedMDBの両方で最高のF-measureを達成し、組み合わせデータセットにおけるk=5では次善の手法より0.024、k=10では0.022の向上を示した。
• MAP評価においてもMPSUMはすべてのベースラインを上回り、全体データセットにおけるk=5では0.063、k=10では0.061の向上を示した。
• DBpediaではk=10でMAPが0.568を記録し、FACES-E（0.529）やRELIN（0.532）を著しく上回った。
• LinkedMDBではk=10でMAPが0.476を達成し、FACES-E（0.361）やLinkSUM（0.348）を上回った。
• TF-IDF重み付け付きGibbsサンプリングが最良の推論性能を示し、EM法や標準Gibbsサンプリングを上回った。
• 最適なハイパーパrameter設定はデータセットごとに異なり、DBpedia（豊富なコーパス）ではβ = 0.01、LinkedMDB（スパースなコーパス）ではβ = 50/Rが最適であった。