[论文解读] Generic Statistical Relational Entity Resolution in Knowledge Graphs

Jay Pujara, Lise Getoor|arXiv (Cornell University)|Jul 4, 2016

Data Quality and Management参考文献 18被引用 12

一句话总结

本文提出了一种通用、可扩展且可解释的统计关系模型，用于知识图谱中的实体消歧，该模型利用跨知识图谱内、跨知识图谱以及新增事实扩展场景下的集体推理和关系特征。该方法基于概率软逻辑（PSL）实现，在音乐人数据库-自由门合并任务中显著提升性能，F1达到0.840，通过整合知识图谱结构、领域特定特征以及对引用关系的集体推理。

ABSTRACT

Entity resolution, the problem of identifying the underlying entity of references found in data, has been researched for many decades in many communities. A common theme in this research has been the importance of incorporating relational features into the resolution process. Relational entity resolution is particularly important in knowledge graphs (KGs), which have a regular structure capturing entities and their interrelationships. We identify three major problems in KG entity resolution: (1) intra-KG reference ambiguity; (2) inter-KG reference ambiguity; and (3) ambiguity when extending KGs with new facts. We implement a framework that generalizes across these three settings and exploits this regular structure of KGs. Our framework has many advantages over custom solutions widely deployed in industry, including collective inference, scalability, and interpretability. We apply our framework to two real-world KG entity resolution problems, ambiguity in NELL and merging data from Freebase and MusicBrainz, demonstrating the importance of relational features.

研究动机与目标

• 解决知识图谱实体消歧中的三个核心挑战：知识图谱内模糊性、跨知识图谱合并以及知识图谱扩展过程中新增事实的模糊性。
• 开发一个统一框架，泛化于知识图谱中多样化的实体消歧场景，避免定制化解决方案。
• 将关系特征和集体依赖性（如传递性和功能依赖性）整合到消歧过程中，以提升准确性。
• 确保在真实世界知识图谱构建流水线中具备可扩展性、可解释性和实际可部署性。
• 在两个真实世界数据集上展示框架的有效性：NELL用于知识图谱内消歧，MusicBrainz-Freebase合并任务。

提出的方法

• 该框架使用概率软逻辑（PSL）将实体消歧建模为支持关系约束集体推理的概率图模型。
• 将知识图谱特征（如实体类型、属性和实体间关系）编码为逻辑规则，以指导相似性判断和共指判断。
• 将局部特征（如字符串相似度）与从图结构中推导出的关系特征相结合，实现在相互依赖的引用之间的集体推理。
• 支持三种场景：在单一知识图谱内解决模糊引用、合并两个现有知识图谱，以及解决已存在知识图谱中新增的实体。
• 通过逻辑规则处理传递性和功能依赖性约束，确保共指决策的一致性。
• 采用混合规则驱动与概率方法，其中规则带有权重，并通过最大后验（MAP）推理进行优化。

实验结果

研究问题

• RQ1 一个单一的通用框架在多大程度上能有效处理知识图谱中的知识图谱内、跨知识图谱以及新增实体的实体消歧？
• RQ2 与仅依赖局部特征的非集体模型相比，关系特征和集体推理在多大程度上提升了实体消歧性能？
• RQ3 统一模型是否能在保持可扩展性和可解释性的前提下，在多样化知识图谱构建场景中维持高性能？
• RQ4 领域特定特征和集体规则在数据分布不均、新增实体众多的数据集上对性能有何影响？
• RQ5 知识图谱结构与关系依赖性对消歧准确性的相对贡献是什么？

主要发现

• 在MusicBrainz-Freebase合并任务中，该框架的F1得分达到0.840，显著优于仅使用基线局部模型的F1（0.734）。
• 引入集体规则和领域特定特征后，AUPRC从0.416提升至0.569，证明了关系推理的价值。
• 增加用于处理新增实体的规则后，新增实体的F1提升至0.895，尽管现有实体的性能略有下降（F1 = 0.070），凸显了数据偏移的影响。
• 在NELL数据集上，当引入关系特征和集体推理后，AUPRC从0.554提升至0.621，证实了其有效性。
• 该模型的通用设计使得其能够快速原型化和部署于多样化实体消歧任务中，无需重新实现。
• PSL的使用实现了可扩展、可解释且一致的推理，使该框架适用于工业级知识图谱构建流水线。