[论文解读] Knowledge Graphs on the Web -- an Overview

Nicolas Heist, Sven Hertling+2 more|arXiv (Cornell University)|Mar 2, 2020

Advanced Graph Neural Networks参考文献 42被引用 38

一句话总结

本论文综述了公开可用的跨领域知识图谱，比较规模、内容、模式以及图之间的重叠，以指导在包括可解释性AI在内的应用中的 KG 选择。

ABSTRACT

Knowledge Graphs are an emerging form of knowledge representation. While Google coined the term Knowledge Graph first and promoted it as a means to improve their search results, they are used in many applications today. In a knowledge graph, entities in the real world and/or a business domain (e.g., people, places, or events) are represented as nodes, which are connected by edges representing the relations between those entities. While companies such as Google, Microsoft, and Facebook have their own, non-public knowledge graphs, there is also a larger body of publicly available knowledge graphs, such as DBpedia or Wikidata. In this chapter, we provide an overview and comparison of those publicly available knowledge graphs, and give insights into their contents, size, coverage, and overlap.

研究动机与目标

• 将知识图谱作为多用途的知识表示工具，用于整合异构数据的动机与应用
• 提供公开可用的跨领域知识图谱概览（例如 DBpedia、Wikidata、YAGO、BabelNet、NELL、CaLiGraph、Voldemort）
• 通过内容、规模、模式复杂性和重叠来表征图，以帮助特定应用的 KG 选择
• 讨论创建技术（手动、结构化数据、非结构化数据）及其对覆盖率与质量的影响

提出的方法

• 将创建方法分为手动整理、(半)结构化数据提取和非结构化数据提取
• 描述代表性流程：Wikipedia 信息框映射到本体（DBpedia）、基于类别/WordNet 的类型化（YAGO）、多语言集成（Wikidata、BabelNet）、以及从网页数据提取（CaLiGraph、VoldemortKG）
• 总结用于 KG 评估的一般性指标（实例、断言、连接度、类别、关系、本体深度/宽度、复杂性）
• 使用公开的 KGs（如 DBpedia、YAGO、Wikidata、BabelNet、NELL、CaLiGraph、Voldemort、Cyc）对规模、细节和模式复杂性进行跨KG比较
• 通过启发式链接发现和基于召回/精确度的估计，解释 KG 之间的互联与重叠评估

实验结果

研究问题

• RQ1 网络上公开的跨域知识图谱有哪些？它们在规模、内容和模式方面有何差异？
• RQ2 创建方法（手动、结构化、非结构化）如何影响这些知识图谱的覆盖率和质量？
• RQ3 主要知识图谱之间的重叠与互联性如何，将它们结合起来是否能提升覆盖率？
• RQ4 实例层和模式层的度量如何为特定应用（如 XAI）选择 KG 提供信息？

主要发现

• 知识图谱在规模和断言数量上存在数量级的差异，从数万到数千万实例不等，断言从数十万到数亿不等。
• 模式在深度和复杂性上存在差异，DBpedia/NELL 的模式较小，而 Wikidata/BabelNet 的分类体系更深、更详细；Cyc 由于其正式本体，显示出最高的复杂性。
• 在多数类别中，Wikidata 常具有最大的实例数量，而 YAGO 往往提供更为详细（高度连接）的类级信息。
• 跨 KG 的互联较为普遍，Wikidata、DBpedia、YAGO 和 CaLiGraph 之间基本互联完整，但在 NELL、OpenCyc 和 Voldemort 上较弱，表明多图集成需要互联工作。
• 将 KG 结合起来能够显著提高覆盖率，特别是像 BabelNet 和 CaLiGraph 这样的互补源与 DBpedia 的组合，但重叠情况因类别和来源而异。