[論文レビュー] REX: Explaining Relationships between Entity Pairs

Lujun Fang, Anish Das Sarma+2 more|arXiv (Cornell University)|Nov 30, 2011

Advanced Graph Neural Networks参考文献 26被引用数 13

ひとこと要約

この論文では、知識ベース内の2つのエンティティが関連付けられている理由を、ランク付けされた意味的に意味のある関係説明として生成するシステムREXを紹介する。REXは、グラフパターンの列挙と多次元の興味深さスコアリングを組み合わせ、実世界のDBpediaと商業検索エンジンからのデータを用いて、共通の結婚や共演役などの説明を効率的に特定・ランク付けする。高いスケーラビリティとユーザーの関心に応えることを実証した。

ABSTRACT

Knowledge bases of entities and relations (either constructed manually or automatically) are behind many real world search engines, including those at Yahoo!, Microsoft, and Google. Those knowledge bases can be viewed as graphs with nodes representing entities and edges representing (primary) relationships, and various studies have been conducted on how to leverage them to answer entity seeking queries. Meanwhile, in a complementary direction, analyses over the query logs have enabled researchers to identify entity pairs that are statistically correlated. Such entity relationships are then presented to search users through the "related searches" feature in modern search engines. However, entity relationships thus discovered can often be "puzzling" to the users because why the entities are connected is often indescribable. In this paper, we propose a novel problem called "entity relationship explanation", which seeks to explain why a pair of entities are connected, and solve this challenging problem by integrating the above two complementary approaches, i.e., we leverage the knowledge base to "explain" the connections discovered between entity pairs. More specifically, we present REX, a system that takes a pair of entities in a given knowledge base as input and efficiently identifies a ranked list of relationship explanations. We formally define relationship explanations and analyze their desirable properties. Furthermore, we design and implement algorithms to efficiently enumerate and rank all relationship explanations based on multiple measures of "interestingness." We perform extensive experiments over real web-scale data gathered from DBpedia and a commercial search engine, demonstrating the efficiency and scalability of REX. We also perform user studies to corroborate the effectiveness of explanations generated by REX.

研究の動機と目的

• 検索エンジンにおける「関連するエンティティ」機能に説明可能性が欠如している問題に対処し、ユーザーがなぜ特定のエンティティがまとめて表示されているかを理解できない状況を改善すること。
• 知識ベース内で接続されたエンティティペアに対して、意味的で人間が理解可能な理由を生成するという関係説明の問題を形式化すること。
• 意味的および統計的興味深さの指標に基づいて、候補となる説明を列挙・ランク付けするスケーラブルなシステムを開発すること。
• 説明生成をエンティティ推薦から分離し、知識ベースに根ざした解釈可能で説明可能な関係の根拠に集中すること。
• 大規模知識ベース上で実施したユーザースタディおよび実世界実験を通じて、説明の有効性を検証すること。

提案手法

• 関係説明を、変数（ノード）とラベル付きエッジを持つ制約付きグラフパターンとしてモデル化し、インスタンスは知識ベースからの具体的なマッピングとする。
• キーワード検索および最短経路技術からインスパイアされたパス列挙アルゴリズム（例：PathEnumBasicおよびPathEnumPrioritized）を用い、2つのエンティティを接続する候補パターンを発見する。
• Mmonocountなどの反単調性測度に基づくプルーニング技術を適用し、探索空間を縮小しながらも高品質な説明を保持する。
• 集計ベース（例：カウント、サイズ）および分布ベース（例：正規化周波度、エントロピー）の興味深さ測度の組み合わせを用いて説明をランク付けする。
• ノードおよびエッジの重みを統合し、スコア正規化を用いて意味的に意味のあるで重複のない説明を優先する。
• パス列挙に既存の効率的アルゴリズムを活用し、単一の大規模グラフにおける説明生成の特定の制約に適応する。

実験結果

リサーチクエスチョン

• RQ1 知識ベース内で2つのエンティティが関連付けられている理由について、意味的に意味のある説明を形式的に定義し、生成するにはどうすればよいか？
• RQ2 優れた関係説明に望ましい特性は何か、そしてそれらを形式的指標でどのように捉えられるか？
• RQ3 全探索を避けながら、大規模知識ベースから候補となる説明を効率的に列挙するにはどうすればよいか？
• RQ4 人間の説明の質や関連性の認識を最もよく捉える興味深さ測度の組み合わせは何か？
• RQ5 REXが生成する説明は、説明なしの関連エンティティリストに比べて、ユーザーの理解度および関与度をどの程度向上させるか？

主な発見

• REXは、知識ベースからグラフパターンをマイニングすることで、『X映画で共演した』や『結婚していた』といった高品質で人間が理解可能なエンティティペアの説明を効果的に生成する。
• 実世界のデータセット上で、数百万のエンティティおよび関係を処理する際、許容可能な遅延で効率的にスケーリングできることをDBpediaおよび商業検索エンジンで実証した。
• 分布ベースの興味深さ測度（例：エントロピー、正規化周波度）を用いることで、単純なサイズベースの指標に比べ、意味的に意味のある説明のランク付けが顕著に向上した。
• ユーザースタディの結果、REXが生成する説明は、単なる関連エンティティリストよりも、ユーザーが関連性を高く評価し、関与度が向上することが確認された。
• パターンレベルおよびインスタンスレベルの興味深さ測度の統合により、より強固で多様な説明が得られ、重複が減少し、さまざまな関係タイプのカバー範囲が向上した。
• Mmonocountおよび反単調性特性に基づくプルーニング技術により、計算時間の削減が可能でありながら、説明の品質を損なわず、探索空間の効率的探索が可能となった。