[論文レビュー] Matching Entities Across Different Knowledge Graphs with Graph Embeddings

Michael Azmy, Peng Shi+2 more|arXiv (Cornell University)|Mar 15, 2019

Advanced Graph Neural Networks参考文献 15被引用数 13

ひとこと要約

本稿では、RDF2Vecグラフ埋め込みと多層パーセプトロン（MLP）を組み合わせることで、DBpediaとWikidata間の曖昧なエンティティを単純ながらも効果的にマッチングする手法を提案する。最小限の訓練データでも高い精度を達成しており、グラフ埋め込みがクロス知識グラフエンティティマッチングに十分な意味的文脈を捉えられることを示している。

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.

研究の動機と目的

• 同じ名前を共有するが、異なる現実世界のエンティティを指すエンティティが存在する場合に、異なる知識グラフ間でエンティティをマッチングする課題に対処すること。
• クロス知識グラフエンティティマッチング分野の研究を支援するため、曖昧なエンティティに焦点を当てた大規模で高品質なベンチマークデータセットを構築すること。
• グラフ埋め込みと順方向ニューラルネットワークを用いて、線形モデルを上回る強いシンプルなベースラインモデルを確立すること。
• 最小限のラベル付きデータで高い性能が達成できることを示し、低リソースなエンティティマッチングの実現可能性を示唆すること。
• 候補集合のサイズと訓練データ量がモデル性能に与える影響を調査し、将来のシステム設計の指針とする。

提案手法

• OWL:sameAsリンクを正例として用い、DBpediaとWikidataから曖昧なエンティティを抽出することで、2つの大規模データセットを構築する。
• RDF2Vecを用いて、両知識グラフ内のエンティティの低次元で文脈に配慮した埋め込みを生成し、構造的および意味的情報を捉える。
• エンティティマッチングを二値分類問題として定式化する：あるグラフ内のクエリエンティティに対して、別のグラフ内の各候補が正しいマッチングかどうかを予測する。
• クエリエンティティと候補エンティティの埋め込みを連結して入力とし、マッチング意思決定を学習する多層パーセプトロン（MLP）を訓練する。
• 70/10/20の訓練/検証/テスト分割をシャッフルを伴って行い、一貫性のある評価を確保する。特に、複数の候補を有する曖昧なケースに注目する。
• Mean Reciprocal Rank（MRR）を用いて性能を評価し、訓練データ量と候補集合サイズに関するアブレーションスタディを実施する。

実験結果

リサーチクエスチョン

• RQ1 RDF2Vec埋め込みに単純なMLPを適用することで、DBpediaとWikidata間の曖昧なエンティティマッチングにおいて高い精度を達成できるか？
• RQ2 このエンティティマッチングタスクで強力な性能を達成するために、どの程度のラベル付き訓練データが必要か？
• RQ3 候補集合のサイズが、正しいマッチングを正しくランク付けするモデルの能力にどのように影響するか？
• RQ4 同じグラフ埋め込みを用いても、線形モデル（例：ロジスティック回帰）は非線形なMLPと比較してなぜ失敗するのか？
• RQ5 グラフ埋め込みだけで、クロス知識グラフ統合に必要な意味的および構造的文脈を十分に捉えられるか？

主な発見

• MLPモデルは、DBpediaからWikidataへのマッチングではMRR 0.85、WikidataからDBpediaへのマッチングではMRR 0.81を達成し、曖昧なエンティティマッチングにおいて優れた性能を示している。
• 訓練データの0.5％のみで、それぞれMRR 0.82および0.77を達成しており、最小限の教師付きデータでも高い精度が達成可能であることを示している。
• 特に曖昧度の高いタイプ、たとえばAlbumやMusicalWorkは、平均して12.1および11.0の候補集合サイズを示し、人物（6.5）と比較して性能が最も悪く、困難さが顕著に現れている。
• 正しいエンティティが2番目にランク付けされる場合、79.5％の失敗が同じタイプの候補に起因しており、同じドメイン内での微細な区別が困難であることが示唆されている。
• 候補集合サイズが大きくなるほどMRRが低下しており、曖昧さと大きな候補プールがマッチング精度を著しく低下させることを確認している。
• 同じRDF2Vec埋め込みを用いたロジスティック回帰は性能が低く、埋め込み空間内の複雑な関係を捉えるために非線形モデリングの必要性が明確になっている。