[论文解读] Commonsense Knowledge in Wikidata

Filip Ilievski, Pedro Szekely+1 more|arXiv (Cornell University)|Aug 18, 2020

Topic Modeling参考文献 28被引用 9

一句话总结

本文研究了维基数据（Wikidata）是否包含与现有资源（如ConceptNet和ATOMIC）互补的常识知识。通过应用三个原则——通用领域关系、常见概念和非实体——该研究提取了一个常识子图（Wikidata-CS），将其关系映射到ConceptNet，并整合进常识知识图谱（CSKG）。主要发现表明，Wikidata-CS包含新颖且重叠度低的常识事实，但覆盖范围仍有限，因此建议通过知识集成、实例级事实的泛化以及通过新增限定符和关系扩展其建模方式来丰富维基数据。

ABSTRACT

Wikidata and Wikipedia have been proven useful for reason-ing in natural language applications, like question answering or entitylinking. Yet, no existing work has studied the potential of Wikidata for commonsense reasoning. This paper investigates whether Wikidata con-tains commonsense knowledge which is complementary to existing commonsense sources. Starting from a definition of common sense, we devise three guiding principles, and apply them to generate a commonsense subgraph of Wikidata (Wikidata-CS). Within our approach, we map the relations of Wikidata to ConceptNet, which we also leverage to integrate Wikidata-CS into an existing consolidated commonsense graph. Our experiments reveal that: 1) albeit Wikidata-CS represents a small portion of Wikidata, it is an indicator that Wikidata contains relevant commonsense knowledge, which can be mapped to 15 ConceptNet relations; 2) the overlap between Wikidata-CS and other commonsense sources is low, motivating the value of knowledge integration; 3) Wikidata-CS has been evolving over time at a slightly slower rate compared to the overall Wikidata, indicating a possible lack of focus on commonsense knowledge. Based on these findings, we propose three recommended actions to improve the coverage and quality of Wikidata-CS further.

研究动机与目标

• 确定维基数据是否包含与现有常识知识图谱（如ConceptNet和ATOMIC）互补的常识知识。
• 定义并操作化三个原则，以区分维基数据中的一般知识与常识知识：通用领域关系、常见概念和非实体。
• 利用这些原则从维基数据中提取一个结构化的常识子图（Wikidata-CS），并将其关系映射到ConceptNet以实现集成。
• 评估Wikidata-CS与其它常识源相比的重叠度、新颖性及其随时间的演变。
• 提出可操作的建议，以改善维基数据中常识知识的覆盖范围和表达能力。

提出的方法

• 定义三个常识知识的指导原则：(1) 通用领域关系（非领域特定），(2) 常见概念（非命名实体），(3) 非实体（非具体个体）。
• 应用这些原则过滤并从维基数据中提取一个常识子图（Wikidata-CS），重点关注符合标准的关系和实体。
• 使用跨语言和语义对齐方法，将维基数据关系映射到ConceptNet关系，从而实现与现有常识知识图谱（CSKG）的集成。
• 将Wikidata-CS集成进CSKG（其中已包含ConceptNet和ATOMIC），形成一个统一的常识知识库。
• 利用2017年、2018年和2020年的版本对Wikidata-CS进行时间分析，评估其演变过程和相对于维基数据整体的增长率。
• 对Wikidata-CS进行定性和定量分析，包括与ConceptNet和WordNet的重叠度计算，以评估其新颖性和互补性。

实验结果

研究问题

• RQ1 维基数据是否包含与现有常识知识图谱（如ConceptNet和ATOMIC）不同的常识知识？
• RQ2 Wikidata-CS与其他常识源（如ConceptNet、WordNet）之间的重叠度如何？这对知识集成有何启示？
• RQ3 Wikidata-CS的规模和结构随时间如何演变？其增长率与维基数据整体知识库相比如何？
• RQ4 维基数据当前建模中的关键局限是什么，导致其难以有效表示常识知识？
• RQ5 哪些具体措施可以改善维基数据中常识知识的包含程度和质量？

主要发现

• 尽管Wikidata-CS规模较小（仅占维基数据的一小部分），但仍包含相关且新颖的常识知识，与现有来源具有互补性。
• 该子图映射到ConceptNet中的15种不同关系，表明其语义对齐性和集成潜力。
• Wikidata-CS与其他常识源之间的重叠度较低，表明其具有显著的互补覆盖范围，支持集成工作的合理性。
• Wikidata-CS的增长速度略低于维基数据整体知识库，表明社区对常识知识的关注度不足。
• 本研究识别出三条关键改进路径：将现有常识源（如ConceptNet、ATOMIC）集成到维基数据中，从实例级事实泛化以推断常识属性，以及通过新增限定符和关系扩展维基数据模型，以支持典型性、目的和象征性等概念。
• 研究结果支持维基数据作为未来常识知识来源的潜力，前提是对其建模和贡献激励机制进行有针对性的增强。