[논문 리뷰] Matching Entities Across Different Knowledge Graphs with Graph Embeddings

Michael Azmy, Peng Shi외 2명|arXiv (Cornell University)|2019. 03. 15.

Advanced Graph Neural Networks참고 문헌 15인용 수 13

한 줄 요약

이 논문은 RDF2Vec 그래프 임베딩과 다층 퍼셉트론(MLP)을 결합하여 DBpedia와 Wikidata 간의 모호한 엔티티를 매칭하는 간단하면서도 효과적인 방법을 제안한다. 최소한의 훈련 데이터에도 불구하고 높은 정확도를 달성하여, 그래프 임베딩이 교차 지식 그래프 엔티티 정렬을 위한 충분한 의미적 맥락을 포착할 수 있음을 보여준다.

ABSTRACT

This paper explores the problem of matching entities across different knowledge graphs. Given a query entity in one knowledge graph, we wish to find the corresponding real-world entity in another knowledge graph. We formalize this problem and present two large-scale datasets for this task based on exiting cross-ontology links between DBpedia and Wikidata, focused on several hundred thousand ambiguous entities. Using a classification-based approach, we find that a simple multi-layered perceptron based on representations derived from RDF2Vec graph embeddings of entities in each knowledge graph is sufficient to achieve high accuracy, with only small amounts of training data. The contributions of our work are datasets for examining this problem and strong baselines on which future work can be based.

연구 동기 및 목표

• 동일한 이름을 공유하지만 실제 세계의 다른 실체를 가리키는 엔티티 간의 매칭 문제를 해결한다.
• 교차 지식 그래프 엔티티 매칭 연구를 지원하기 위해 모호한 엔티티에 중점을 둔 대규모 고품질 벤치마크 데이터셋을 구축한다.
• 그래프 임베딩과 순방향 신경망을 사용하여 간단하면서도 강력한 베이스라인 모델을 수립하여 선형 모델을 능가한다.
• 최소한의 레이블된 데이터로도 높은 성능을 달성할 수 있음을 보여주어 저자원 엔티티 정렬의 가능성을 시사한다.
• 후보 집합 크기와 훈련 데이터 양이 모델 성능에 미치는 영향을 조사하여 향후 시스템 설계에 도움이 되는 지침을 제공한다.

제안 방법

• OWL:sameAs 링크를 지식 기반으로 삼아 DBpedia와 Wikidata에서 모호한 엔티티를 추출하여 두 개의 대규모 데이터셋을 구축한다.
• RDF2Vec을 사용하여 두 지식 그래프 내 엔티티의 저차원, 맥락 인식 임베딩을 생성하여 구조적 및 의미적 정보를 포착한다.
• 엔티티 매칭 문제를 이진 분류 문제로 재구성한다: 한 그래프의 쿼리 엔티티가 주어졌을 때, 다른 그래프의 각 후보가 올바른 매칭인지 예측한다.
• 쿼리 엔티티와 후보 엔티티의 임베딩을 연결하여 학습한 다층 퍼셉트론(MLP)을 사용하여 매칭 결정을 학습한다.
• 훈련/검증/테스트 분할 비율을 70/10/20으로 설정하고 셔플링을 통해 평가의 신뢰성을 확보하며, 다수의 후보가 존재하는 모호한 케이스에 집중한다.
• Mean Reciprocal Rank(MRR)를 사용하여 성능을 평가하고, 훈련 데이터 크기와 후보 집합 크기에 대한 분석 실험을 실시한다.

실험 결과

연구 질문

• RQ1 RDF2Vec 임베딩에 단순한 MLP를 적용하여 DBpedia와 Wikidata 간의 모호한 엔티티 매칭에서 높은 정확도를 달성할 수 있는가?
• RQ2 이 엔티티 매칭 작업에서 강력한 성능을 달성하기 위해 얼마나 많은 레이블된 훈련 데이터가 필요한가?
• RQ3 후보 집합의 크기가 모델이 정확한 매칭을 올바르게 순위 매기는 능력에 어떤 영향을 미치는가?
• RQ4 동일한 그래프 임베딩을 사용할 때, 선형 모델(예: 로지스틱 회귀)은 비선형 MLP에 비해 실패하는 이유는 무엇인가?
• RQ5 그래프 임베딩만으로 교차 지식 그래프 정렬을 위한 필요한 의미적 및 구조적 맥락을 충분히 포착할 수 있는가?

주요 결과

• MLP 모델은 DBpedia-to-Wikidata에 대해 전체 훈련 세트에서 MRR 0.85, Wikidata-to-DBpedia에 대해 MRR 0.81를 기록하여 모호한 엔티티 매칭에서 뛰어난 성능을 보였다.
• 훈련 데이터의 0.5%만으로도 각각 MRR 0.82와 0.77를 달성하여, 최소한의 지도 학습으로도 높은 정확도를 확보할 수 있음을 보여주었다.
• 모호도가 높은 유형, 특히 앨범(Album)과 음악작품(MusicalWork) 유형에서 성능이 가장 열악했으며, 이들 유형의 평균 후보 집합 크기는 각각 12.1과 11.0이었고, 사람(Person) 유형의 평균 6.5보다 높았다.
• 정확한 엔티티가 두 번째로 순위가 매겨진 경우, 79.5%의 실패 사례에서 후보 엔티티가 동일한 유형이었으며, 이는 동일 도메인 내 세부적인 구분에 어려움을 겪고 있음을 시사한다.
• 후보 집합 크기가 커질수록 MRR가 감소함을 확인하여, 모호성과 더 큰 후보 풀이 매칭 정확도를 크게 떨어뜨리는 것으로 확인되었다.
• 동일한 RDF2Vec 임베딩을 사용한 로지스틱 회귀는 성능이 열악하여, 임베딩 공간 내 복잡한 관계를 포착하기 위해 비선형 모델링이 필수적임을 입증했다.