[논문 리뷰] FALCON 2.0: An Entity and Relation Linking framework over Wikidata

Ahmad Sakor, Kuldeep Singh외 2명|arXiv (Cornell University)|2019. 12. 24.

Natural Language Processing Techniques인용 수 2

한 줄 요약

FALCON 2.0은 NLP 기법인 N-gram 타일링 및 분할을 활용하고 최적화 기반의 연결 방식을 결합한 위키데이터를 위한 통합 엔티티 및 관계 연결 프레임워크입니다. 짧은 영어 텍스트에서 엔티티와 관계를 그에 해당하는 위키데이터 IRI 후보로 매핑합니다. 기존 기준보다 뛰어난 성능을 보이며, 문서화 및 접근 가능한 온라인 API를 통해 공개되어 있습니다.

ABSTRACT

The Natural Language Processing (NLP) community has significantly contributed to the solutions for entity and relation recognition from the text, and possibly linking them to proper matches in Knowledge Graphs (KGs). Considering Wikidata as the background KG, still, there are limited tools to link knowledge within the text to Wikidata. In this paper, we present Falcon 2.0, first joint entity, and relation linking tool over Wikidata. It receives a short natural language text in the English language and outputs a ranked list of entities and relations annotated with the proper candidates in Wikidata. The candidates are represented by their Internationalized Resource Identifier (IRI) in Wikidata. Falcon 2.0 resorts to the English language model for the recognition task (e.g., N-Gram tiling and N-Gram splitting), and then an optimization approach for linking task. We have empirically studied the performance of Falcon 2.0 on Wikidata and concluded that it outperforms all the existing baselines. Falcon 2.0 is public and can be reused by the community; all the required instructions of Falcon 2.0 are well-documented at our GitHub repository. We also demonstrate an online API, which can be run without any technical expertise. Falcon 2.0 and its background knowledge bases are available as resources at this https URL.

연구 동기 및 목표

• 텍스트 내 엔티티 및 관계를 위키데이터에 연결하기 위한 견고한 도구 부족 문제를 해결하기 위해.
• 기존 솔루션보다 정밀도와 재현율을 향상시키는 통합 프레임워크를 통해 통합 엔티티 및 관계 연결을 수행하기 위해.
• 소프트웨어와 온라인 API를 포함한 공개 접근이 가능하고 철저히 문서화된 시스템을 제공하여 광범위한 커뮤니티 재사용을 가능하게 하기 위해.
• 위키데이터에서 성능을 경험적으로 평가하고 기존 기준 대비 열등함을 입증하기 위해.
• 지식 연결 작업을 위한 확장 가능하고 오픈소스 솔루션을 연구자와 개발자에게 제공하기 위해.

제안 방법

• 엔티티 및 관계 인식을 위해 영어 언어 모델을 활용하며, N-gram 타일링 및 N-gram 분할 기법을 포함합니다.
• 인식된 엔티티 및 관계를 위키데이터 IRI 후보로 매핑하기 위해 최적화 기반 접근 방식을 적용합니다.
• 영어로 된 짧은 자연어 텍스트를 처리하고, 위키데이터 기반의 엔티티 및 관계 후보의 순위 목록을 출력합니다.
• 시맨틱 일관성과 광범위한 커버리지 확보를 위해 위키데이터를 배경 지식 그래프로 활용합니다.
• 정확도 향상을 위해 인식 및 연결 단계를 결합한 파ip라인 아키텍처를 사용합니다.
• 공개 자원을 활용하고 이를 통합된 재사용 가능한 프레임워크로 통합합니다.

실험 결과

연구 질문

• RQ1 기존의 단일 작업 방법과 비교해 위키데이터에서 통합 엔티티 및 관계 연결 접근 방식은 얼마나 효과적인가?
• RQ2 N-gram 기반의 인식 기법과 최적화 기반 기법을 조합하면 위키데이터에서의 연결 정확도를 향상시킬 수 있는가?
• RQ3 FALCON 2.0은 위키데이터에서 정밀도, 재현율 및 F1 점수 측면에서 기존 기준 대비 어떻게 성능을 발휘하는가?
• RQ4 비전문가 사용자가 온라인 API를 통해 FALCON 2.0을 얼마나 쉽게 재사용하고 배포할 수 있는가?
• RQ5 통합 프레임워크를 사용할 경우 엔티티 및 관계 연결의 일관성과 품질은 어떤 영향을 받는가?

주요 결과

• FALCON 2.0은 위키데이터에서의 엔티티 및 관계 연결 작업 전반에서 모든 기존 기준을 능가합니다.
• 프레임워크는 성공적으로 통합 인식 및 연결을 달성하여 순차적 접근 방식보다 효율성과 정확도를 향상시켰습니다.
• 체계적인 문서화를 통해 공개되어 있으며, 광범위한 커뮤니티 수용을 가능하게 했습니다.
• 온라인 API가 제공되어 기술 전문 지식 없이도 시스템에 접근할 수 있도록 했습니다.
• N-gram 타일링 및 분할 기법을 활용해 짧은 텍스트 내 엔티티 및 관계를 견고하게 인식할 수 있었습니다.
• 최적화 기반의 연결 전략은 위키데이터 IRI 후보의 순위를 효과적으로 매기며 검색 정밀도를 향상시켰습니다.