[論文レビュー] TableNet: An Approach for Determining Fine-grained Relations for Wikipedia Tables

Besnik Fetahu, Avishek Anand+1 more|arXiv (Cornell University)|Jan 1, 2019

Topic Modeling参考文献 28被引用数 4

ひとこと要約

TableNet は、テーブルスキーマ、インスタンス値、説明文、データ型に対するカラム単位のアテンションを活用するニューラルネットワークモデルと、効率的な候補テーブルの検索手法を組み合わせることで、Wikipedia のテーブル間における細分化された関係（同等関係および部分関係）を同定する新しい手法である。88% の関連するテーブルペアのカバレッジと 90% のアライメント精度を達成し、Google Fusion や TableNetLR といった既存手法を著しく上回る性能を発揮する。

ABSTRACT

We focus on the problem of interlinking Wikipedia tables with fine-grained table relations: equivalent and subPartOf. Such relations allow us to harness semantically related information by accessing related tables or facts therein. Determining the type of a relation is not trivial. Relations are dependent on the schemas, the cell-values, and the semantic overlap of the cell values in tables. We propose TableNet, an approach for interlinking tables with subPartOf and equivalent relations. TableNet consists of two main steps: (i) for any source table we provide an efficient algorithm to find candidate related tables with high coverage, and (ii) a neural based approach that based on the table schemas and data, determines with high accuracy the fine-grained relation. Based on an extensive evaluation with more than 3.2M tables, we show that TableNet retains more than 88% of relevant tables pairs, and assigns table relations with an accuracy of 90%.

研究の動機と目的

• Wikipedia テーブル間の細分化された意味的関係の不足が、知識ベース構築および質問応答システムの限界を生じさせているのを是正すること。
• テーブルスキーマ構造、カラム意味的特徴、セル値を活用することで、同等関係および部分関係のテーブル関係のカバレッジと正確性を向上させること。
• アライメントに高い関連性を保ちつつ、候補テーブルペアの数を削減する効率的な手法を開発すること。
• 評価のための高品質かつ包括的な正例データセット（17,000 以上のラベル付きテーブルペア）を構築すること。
• スケーラブルで正確なテーブルアライメントを可能にし、複雑な質問応答および知識ベースの拡張を支援すること。

提案手法

• 記事レベルの共起関係とスキーマ類似度を活用して、高カバレッジの候補テーブルペアを特定する効率的な候補検索アルゴリズムにより、2650 万ペアの初期候補を 105,000 未満に削減する。
• 2 つのテーブルスキーマのカラム間でソフトアライメントを計算するカラム単位のアテンションを持つニューラルネットワークモデルで、説明文、データ型、インスタンス値の間の意味的類似度を捉える。
• 説明文、データ型、インスタンス値などのカラムレベル特徴を統合し、両方のテーブルの文脈的埋め込み表現を生成する表現学習。
• テーブルスキーマ内のカラム間の構造的および意味的関係をモデル化するマルチヘッドアテンション機構により、アライメントの正確性を向上。
• 2段階のパイプライン：まず高カバレッジの候補生成；次に BiLSTM や LSTM を用いたアテンション付きアーキテクチャによる関係分類。
• 50 件の Wikipedia 記事において手作業で作成された正例データセット（17,000 以上のテーブルペア）を用いた評価により、信頼性の高い性能測定を実施。

実験結果

リサーチクエスチョン

• RQ1 関連する関係のカバレッジを維持しつつ、アライメントのための候補テーブルペアを効率的に検索する方法は何か？
• RQ2 スキーマ構造、カラム説明、データ型、インスタンス値といった特徴のうち、同等関係または部分関係のテーブル関係を同定するために最も予測的であるのはどれか？
• RQ3 カラム単位のアテンションを持つニューラルネットワークは、従来の検索および分類ベースラインを上回って、細分化されたテーブル関係を同定できるか？
• RQ4 カラムのデータ型および説明文を組み込むことで、部分関係と同等関係の両方のアライメント精度はどの程度向上するか？
• RQ5 Google Fusion や TableNetLR といった既存システムと比較して、TableNet のカバレッジと正確性はどの程度か？

主な発見

• TableNet は、関連するテーブルペアの 88% をカバーし、初期の候補セット 2650 万ペアを 255 分の 1 にまで削減しながらも、高い関連性を維持する。
• モデルは同等関係および部分関係の両方で 90% のアライメント精度を達成し、最良の設定では F1 スコアがそれぞれ 0.886 および 0.887 に達する。
• カラムのデータ型を組み込んだ TableNet+type は、全関係クラスで F1 スコア 0.840 を達成し、LSTM もしくは BiLSTM ベースラインを上回る性能を発揮する。
• Google Fusion と比較して、同等関係クラスでは F1 スコアが 64% 相対的に向上し、両関係の平均 F1 スコアでは 56% の向上を達成する。
• カラム単位のアテンション機構により顕著な性能向上が得られ、TableNetLR よりも部分関係では F1 スコアが 24% 相対的に向上し、同等関係では 10% の向上を達成する。
• カラムのデータ型の組み込みにより、部分関係の性能が向上するが、同等関係には追加の利点をもたらさないため、データ型の情報は階層的関係に特化していることが示唆される。