[论文解读] Breaking-down the Ontology Alignment Task with a Lexical Index and Neural Embeddings

Ernesto Jiménez-Ruiz, Asan Agibetov+2 more|arXiv (Cornell University)|May 31, 2018

Semantic Web and Ontologies参考文献 12被引用 7

一句话总结

该论文提出了一种新颖的框架，通过使用词汇索引和神经嵌入将大型本体对齐任务分解为更小、独立的子任务，从而提升可扩展性。通过利用局部性模块和聚类策略——包括朴素的和基于神经嵌入的聚类方法——该方法确保了高覆盖率并减少了搜索空间，使此前无法完成的系统能够成功处理大规模的OAEI任务，同时性能得到提升，并可集成到现有工作流（如SANOM v.2018）中。

ABSTRACT

Large ontologies still pose serious challenges to state-of-the-art ontology alignment systems. In the paper we present an approach that combines a lexical index, a neural embedding model and locality modules to effectively divide an input ontology matching task into smaller and more tractable matching (sub)tasks. We have conducted a comprehensive evaluation using the datasets of the Ontology Alignment Evaluation Initiative. The results are encouraging and suggest that the proposed methods are adequate in practice and can be integrated within the workflow of state-of-the-art systems.

研究动机与目标

• 解决大型本体对齐中因内存和时间限制导致最先进系统常常失败的可扩展性挑战。
• 克服现有分割方法在缺乏覆盖率保证方面的局限性，尤其是在OAEI largebio赛道等大型本体中。
• 开发一种方法，在将匹配任务分解为更小、可处理的子任务的同时，保持对齐的覆盖率。
• 通过提供模块化、即插即用的子任务分解工作流，实现与现有本体对齐系统的集成。
• 在真实世界的OAEI数据集上评估两种聚类策略——朴素分割与基于神经嵌入的聚类——的有效性。

提出的方法

• 从本体实体构建词汇索引，以实现基于相似性的高效聚类，用于潜在匹配的聚类。
• 应用对数线性神经嵌入模型，学习本体实体的密集向量表示，以捕捉语义关系并用于聚类。
• 使用局部性模块提取自包含、语义一致的子本体，保留给定签名的所有相关关系。
• 通过词汇索引和神经嵌入对实体进行聚类，将原始匹配任务划分为多个独立的子任务。
• 采用两种聚类策略：(1) 一种朴素的、均匀的分割方法；(2) 基于神经嵌入的聚类，将语义上相似的实体分组。
• 通过使用包含所有语义相关实体的局部性模块，确保覆盖率保证，防止相关映射的丢失。

实验结果

研究问题

• RQ1 词汇索引与基于神经嵌入的聚类是否能有效将大型本体对齐任务分解为更小、可管理的子任务？
• RQ2 在朴素分割与基于神经嵌入的聚类策略之间，子任务的覆盖率有何差异？
• RQ3 该分解框架在提升现有本体对齐系统处理大规模、此前不可行任务的性能方面，效果如何？
• RQ4 增加子任务数量对最终对齐结果的精确率、召回率和F1值有何影响？
• RQ5 该框架能否有效集成到现有对齐系统中？是否提升了其可扩展性和性能？

主要发现

• 所提出的框架成功使此前无法完成OAEI largebio任务的五个本体对齐系统，现在能够完成这些任务，证明了其可扩展性的显著提升。
• 基于神经嵌入的聚类策略在减少搜索空间方面表现显著优于朴素分割方法。
• 由于使用了局部性模块，子任务之间的覆盖率得以保持，这些模块提取出自包含、语义一致的子本体。
• 尽管可扩展性得到改善，但随着子任务数量的增加，F1值略有下降，可能由于映射重叠和误报所致。
• 该框架已成功集成到SANOM系统（v.2018）中，验证了其在实际对齐工作流中的适用性和兼容性。
• 朴素聚类策略产生了分布均衡的子任务，而基于神经嵌入的方法在搜索空间缩减和语义一致性方面表现更优。