[论文解读] Commonsense Reasoning and Large Network Analysis: A Computational Study of ConceptNet 4

Dimitrios I. Diochnos|arXiv (Cornell University)|Apr 22, 2013

Complex Network Analysis Techniques参考文献 17被引用 5

一句话总结

本文使用网络科学技术对ConceptNet 4进行了全面的计算分析，研究其结构特性、一致性及类似规则的模式。研究发现，ConceptNet 4表现出无标度度分布、高聚类性和小世界特性，超过13万个断言构成一个巨大的连通分量，同时在分数和关系方面识别出显著的数据不一致。

ABSTRACT

In this report a computational study of ConceptNet 4 is performed using tools from the field of network analysis. Part I describes the process of extracting the data from the SQL database that is available online, as well as how the closure of the input among the assertions in the English language is computed. This part also performs a validation of the input as well as checks for the consistency of the entire database. Part II investigates the structural properties of ConceptNet 4. Different graphs are induced from the knowledge base by fixing different parameters. The degrees and the degree distributions are examined, the number and sizes of connected components, the transitivity and clustering coefficient, the cores, information related to shortest paths in the graphs, and cliques. Part III investigates non-overlapping, as well as overlapping communities that are found in ConceptNet 4. Finally, Part IV describes an investigation on rules.

研究动机与目标

• 评估ConceptNet 4作为常识知识库的结构完整性和一致性。
• 研究ConceptNet 4的网络特性，包括度分布、连通分量和聚类。
• 检测数据库中分数、关系极性和断言有效性方面的数据不一致。
• 探索知识图谱中的社区结构和类似规则的模式。
• 评估ConceptNet 4在不同图生成参数和极性条件下的鲁棒性。

提出的方法

• 从ConceptNet 4的基于SQL的数据库转储中提取并验证断言，应用三轮数据清洗以确保一致性。
• 通过固定关系极性（正向、负向、两者兼有）并排除或包含自环，构建多个图变体。
• 计算度分布、聚类系数、传递性及最短路径长度，以分析网络拓扑。
• 使用k-core分解识别连通分量（弱连通和强连通）及核心结构。
• 应用社区检测方法，以发现图中的重叠与非重叠社区。
• 通过分析支持度和成功率较高的关系三元组，评估类似规则的模式，计算成功转换的比例。

实验结果

研究问题

• RQ1 ConceptNet 4的结构拓扑是什么？是否表现出小世界或无标度特性？
• RQ2 ConceptNet 4中的分数和关系断言的一致性如何？存在哪些类型的数据不一致？
• RQ3 在不同极性条件下，ConceptNet 4的连通分量的大小和分布如何？
• RQ4 核心结构和社区组织在知识图谱中如何形成？
• RQ5 哪些关系三元组表现出高支持度和高成功率，提示可能存在类似规则的模式？

主要发现

• ConceptNet 4表现出无标度度分布，幂律指数约为2.3，表明少数概念具有高度连接性。
• 最大的弱连通分量包含超过13万个断言，表明其具有强大的全局连通性。
• 聚类系数较高（0.65），传递性为0.58，表明局部聚类密集且具有强烈的传递性倾向。
• 在仅考虑正向极性时，超过90%的断言属于单一巨大连通分量。
• 发现显著的分数不一致：12%的分数条目存在幅度差异超过0.5，11%存在符号错误。
• 最常见的类似规则模式为“ConceptuallyRelatedTo → ConceptuallyRelatedTo → HasProperty”，成功率为5.4%，支持度为133,114。