[論文レビュー] AceKG: A Large-scale Knowledge Graph for Academic Data Mining

Ruijie Wang, Yuchen Yan+5 more|arXiv (Cornell University)|Jul 23, 2018

Advanced Graph Neural Networks被引用数 13

ひとこと要約

AceKG は、一貫性のあるオントロジーに基づき、31.3億の学術的三元組を含む大規模で異種の知識グラフである。論文、著者、分野、会議、機関を統合し、エンティティの整合化、ルールベースの推論、知識埋め込みモデルのベンチマーク化を通じて、高度な学術的データマイニングを可能にする。metapath2vec はリンク予測および研究者クラスタリングタスクで最先端の性能を達成した。

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.

研究の動機と目的

• 既存の学術的知識グラフにおける限界、すなわち多関係的データの不足、名前の曖昧さ、機械処理のしにくさを解消すること。
• 多様な学術的エンティティと関係をカバーする大規模で構造的かつ意味的に一貫性のある知識グラフを構築すること。
• 学術的データマイニングにおける知識埋め込みおよびネットワーク表現学習手法の評価のためのベンチマークデータセットを提供すること。
• 共同研究予測、著者の一意特定、注目される研究者の特定といった高度な研究タスクを支援すること。
• DBLP、ACM、IEEE などの外部データベースとエンティティを統合することで、データ統合を強化すること。

提案手法

• AceKG は、論文、著者、研究分野、会議、機関の5つのコアクラスを有する標準化されたオントロジーに基づき、31.3億の SPO（主語-述語-目的語）三元組を用いて異種知識グラフを構築する。
• 各エンティティには一意の URI が割り当てられ、名前の曖昧さを解消し、グラフ全体で明確に識別可能になるようにする。
• 外部知識ベース（例：DBLP、ACM、IEEE）を用いてエンティティの整合化を実施し、AceKG のエンティティを既存の学術データベースにリンクする。
• ルールベースの推論を適用して、暗黙の関係を追加し、カバレッジと整合性を向上させる。
• DeepWalk、LINE、PTE、metapath2vec などのモデルを用いて知識グラフ埋め込みを学習し、異種サンプリングとスキップグラム学習を適用する。
• リンク予測、コミュニティ検出、研究者分類の3つの主要タスクにおいて、MRR、Hits@10、NMI といった標準的な評価指標を用いて実験を実施する。

実験結果

リサーチクエスチョン

• RQ1 最先端の知識埋め込みモデルは、大規模な学術的知識グラフにおいて、リンク予測およびコミュニティ検出タスクでどの程度の性能を示すか？
• RQ2 AceKG からのノード表現は、研究者分類およびクラスタリングの性能をどの程度向上できるか？
• RQ3 多関係的構造とエンティティの整合化を組み込むことで、学術的知識グラフの品質と有用性はどの程度向上するか？
• RQ4 AceKG は、学術的データマイニングにおける新規アルゴリズムの評価のための信頼できるベンチマークとして機能できるか？
• RQ5 大規模で構造化された学術的知識グラフ（例：AceKG）によって、どのような有望な研究分野が開かれるか？

主な発見

• リンク予測において、metapath2vec は MRR（0.831）と Hits@10（0.971）で最高を記録し、DeepWalk、LINE、PTE を上回った。
• 研究者分類において、metapath2vec は Google ラベル付きデータセットで Micro-F1 0.836、FOS ラベル付きデータセットで 0.427 を達成し、多分野にまたがる研究者の識別において優れた性能を示した。
• FOS ラベル付きデータセットと Google ラベル付きデータセットの間のモデルギャップは、データ分布の影響を示しており、Google ラベル付きデータはトップ会議論文が含まれているため、より高い性能を示した。
• 研究者クラスタリングにおいて、metapath2vec は最高の NMI スコア（0.836）を達成し、学術ネットワーク内の複雑な多関係的パターンを捉える能力を示した。
• 経済学などの分野では、Micro-F1 から Macro-F1 への著しい低下が観察され、強いクラス不均衡がクラスタリング性能に影響を与えていることが示された。
• AceKG は、強化されたノード表現とグラフ構造のおかげで、共同研究予測、著者の一意特定、注目される研究者の特定といった新たな研究分野を可能にした。