[论文解读] Enriching Linked Datasets with New Object Properties

Srinivasagan N. Subhashree, P. Sreenivasa Kumar|arXiv (Cornell University)|Jun 24, 2016

Semantic Web and Ontologies参考文献 30被引用 3

一句话总结

DART 是一种无监督框架，通过利用网络文本模式中的上下文相似性和释义检测，在两个给定的 LOD 类之间发现新的对象属性。它在发现关系的准确性和数量上均优于现有系统（如 newOntExt），并通过自动归一化结果消除了无关关系，同时生成用于 T-Box 扩充的候选属性公理。

ABSTRACT

Although several RDF knowledge bases are available through the LOD initiative, the ontology schema of such linked datasets is not very rich. In particular, they lack object properties. The problem of finding new object properties (and their instances) between any two given classes has not been investigated in detail in the context of Linked Data. In this paper, we present DART (Detecting Arbitrary Relations for enriching T-Boxes of Linked Data) - an unsupervised solution to enrich the LOD cloud with new object properties between two given classes. DART exploits contextual similarity to identify text patterns from the web corpus that can potentially represent relations between individuals. These text patterns are then clustered by means of paraphrase detection to capture the object properties between the two given LOD classes. DART also performs fully automated mapping of the discovered relations to the properties in the linked dataset. This serves many purposes such as identification of completely new relations, elimination of irrelevant relations, and generation of prospective property axioms. We have empirically evaluated our approach on several pairs of classes and found that the system can indeed be used for enriching the linked datasets with new object properties and their instances. We compared DART with newOntExt system which is an offshoot of the NELL (Never-Ending Language Learning) effort. Our experiments reveal that DART gives better results than newOntExt with respect to both the correctness, as well as the number of relations.

研究动机与目标

• 为解决 LOD 数据集中对象属性缺失的问题，该问题限制了语义表达能力和推理能力。
• 开发一种无监督方法，用于在两个给定的 LOD 类之间发现新的、有意义的对象属性。
• 自动将发现的关系与现有 LOD 属性对齐，排除无关或语义不匹配的关系。
• 生成候选属性公理（例如：子属性、等价属性、逆属性），用于 T-Box 扩充。
• 在发现关系的精确率和召回率方面优于现有系统（如 newOntExt）

提出的方法

• DART 从网络语料库中提取连接两个给定 LOD 类个体的文本模式。
• 通过应用上下文相似性和释义检测，将语义相似的模式聚类为潜在的对象属性。
• 系统通过检查与现有 LOD 属性的域和范围类型兼容性，执行自动化归一化。
• 对归一化后的关系进行语义相关性验证，排除不相关的关系（例如：在宗教与国家之间存在“是……的父亲”关系）。
• 该框架生成候选属性公理，包括子属性、等价属性和逆属性关系。
• 支持完全自动化的发现与映射，无需人工标注或外部知识。

实验结果

研究问题

• RQ1 无监督方法能否有效发现两个给定 LOD 类之间的新对象属性？
• RQ2 如何结合上下文相似性和释义检测以提高关系聚类的准确性？
• RQ3 自动化归一化在多大程度上能消除语义错误或类型不匹配的关系？
• RQ4 与现有系统（如 newOntExt）相比，DART 在关系发现的正确性和数量方面表现如何？
• RQ5 DART 是否能生成有效的候选属性公理（例如：子属性、逆属性）以用于 T-Box 扩充？

主要发现

• 对于 Rulers-Empires 对，DART 的准确率达到 0.833，显著优于 newOntExt 在准确性和关系数量上的表现。
• 在 Religions-Countries 对中，DART 识别出 25 条正确关系，准确率为 50%，展示了在多样化类对上的鲁棒性。
• 归一化阶段通过剔除语义不匹配的关系（如在宗教与国家之间存在“是……的父亲”关系）提升了性能。
• DART 在 Writers-Novels 之间发现了 15 条有意义的关系，准确率为 52%，显示出在特定领域关系抽取中的有效性。
• 在 Music genres-Music genres 对中，DART 准确率达到 69%，并生成了 9 条归一化关系，包括将“is a subgenre of”映射到现有属性。
• 该系统在关系数量和正确性方面均优于 newOntExt，尤其在区分语义上不同的关系（如“doesn’t play at”与“wants to play at”）方面表现突出。