[논문 리뷰] AceKG: A Large-scale Knowledge Graph for Academic Data Mining

Ruijie Wang, Yuchen Yan외 5명|arXiv (Cornell University)|2018. 07. 23.

Advanced Graph Neural Networks인용 수 13

한 줄 요약

AceKG는 일관된 온톨로지 기반으로 31.3억 개의 학술 삼항관계를 포함한 대규모 이질적 지식 그래프이며, 논문, 저자, 분야, 학술 대회, 기관을 통합한다. 엔티티 정렬, 규칙 기반 추론, 지식 임bedding 모델의 벤치마킹을 통해 고급 학술 데이터 마이닝을 가능하게 하며, metapath2vec는 링크 예측 및 학자 클러스터링 작업에서 최신 기술 수준의 성능을 달성한다.

ABSTRACT

Most existing knowledge graphs (KGs) in academic domains suffer from problems of insufficient multi-relational information, name ambiguity and improper data format for large-scale machine processing. In this paper, we present AceKG, a new large-scale KG in academic domain. AceKG not only provides clean academic information, but also offers a large-scale benchmark dataset for researchers to conduct challenging data mining projects including link prediction, community detection and scholar classification. Specifically, AceKG describes 3.13 billion triples of academic facts based on a consistent ontology, including necessary properties of papers, authors, fields of study, venues and institutes, as well as the relations among them. To enrich the proposed knowledge graph, we also perform entity alignment with existing databases and rule-based inference. Based on AceKG, we conduct experiments of three typical academic data mining tasks and evaluate several state-of- the-art knowledge embedding and network representation learning approaches on the benchmark datasets built from AceKG. Finally, we discuss several promising research directions that benefit from AceKG.

연구 동기 및 목표

• 기존 학술 지식 그래프의 한계를 해결하기 위해 다중 관계 데이터 부족, 이름의 모호성, 기계 처리 용이성 부족 문제를 해결한다.
• 다양한 학술 엔티티와 관계를 포함하는 대규모, 구조적, 의미적으로 일관된 지식 그래프를 구축한다.
• 학술 데이터 마이닝 분야에서 지식 임베딩 및 네트워크 표현 학습 방법을 평가하기 위한 벤치마크 데이터셋을 제공한다.
• 협업 예측, 저자 정규화, 떠오르는 학자 식별과 같은 고급 연구 과제를 지원한다.
• DBLP, ACM, IEEE와 같은 외부 데이터베이스와의 엔티티 정렬을 통해 데이터 통합을 향상시킨다.

제안 방법

• AceKG는 논문, 저자, 학문 분야, 학술 대회, 기관의 다섯 가지 핵심 클래스를 가진 표준 온톨로지 기반으로 31.3억 개의 SPO(주어-서술어-목적어) 삼항관계를 사용해 이질적 지식 그래프를 구성한다.
• 각 엔티티는 고유한 URI를 할당받아 이름의 모호성을 제거하고 그래프 전반에서 명확한 식별을 보장한다.
• 외부 지식 기반(예: DBLP, ACM, IEEE)을 활용해 엔티티 정렬을 수행하여 AceKG 엔티티를 기존 학술 데이터베이스와 연결한다.
• 규칙 기반 추론을 적용해 암시적 관계를 추가함으로써 그래프의 커버리지와 일관성을 향상시킨다.
• DeepWalk, LINE, PTE, metapath2vec 등의 모델을 사용해 지식 그래프 임베딩을 학습하며, 이질적 샘플링과 skip-gram 학습 방식을 적용한다.
• 링크 예측, 커뮤니티 탐지, 학자 분류의 세 가지 핵심 과제에서 표준 평가 지표(MRR, Hits@10, NMI)를 사용해 실험을 수행한다.

실험 결과

연구 질문

• RQ1 최신 기술 수준의 지식 임베딩 모델은 대규모 학술 지식 그래프에서 링크 예측 및 커뮤니티 탐지 과제에서 얼마나 잘 성능을 내는가?
• RQ2 AceKG에서 생성된 노드 표현은 학자 분류 및 클러스터링 성능 향상에 어느 정도 기여하는가?
• RQ3 다중 관계 구조 및 엔티티 정렬이 학술 지식 그래프의 품질과 활용도를 향상시키는 데 어떤 영향을 미치는가?
• RQ4 AceKG는 학술 데이터 마이닝 분야에서 새로운 알고리즘 평가를 위한 신뢰할 수 있는 벤치마크로 기능할 수 있는가?
• RQ5 AceKG와 같은 대규모, 구조적 학술 지식 그래프가 가능하게 하는 가장 유망한 연구 방향은 무엇인가?

주요 결과

• metapath2vec는 링크 예측에서 최고의 MRR(0.831)와 Hits@10(0.971)를 기록하며, DeepWalk, LINE, PTE를 모두 앞서나갔다.
• 학자 분류 과제에서 metapath2vec는 Google 레이블링 데이터셋에서 마이크로-F1이 0.836, FOS 레이블링 데이터셋에서 0.427를 기록하여 다중 분야 학자 식별에 강력한 성능을 보였다.
• FOS 레이블링 데이터셋과 Google 레이블링 데이터셋 간의 성능 격차는 데이터 분포의 영향을 반영하며, 특히 상위 학술 대회 논문 포함로 인해 Google 레이블링 데이터셋에서 더 높은 성능이 나타났다.
• 학자 클러스터링 과제에서 metapath2vec는 최고의 NMI 점수(0.836)를 기록하여 학술 네트워크 내 복잡한 다중 관계 패턴을 효과적으로 포착할 수 있음을 입증했다.
• 경제학과 같은 분야에서 마이크로-F1에서 마크로-F1로의 급격한 성능 하락은 강한 클래스 불균형이 클러스터링 성능에 악영향을 미친다는 것을 시사한다.
• AceKG는 향상된 노드 표현과 그래프 구조 덕분에 협업 예측, 저자 정규화, 떠오르는 학자 탐지와 같은 새로운 연구 방향을 가능하게 한다.