[论文解读] Principles for Developing a Knowledge Graph of Interlinked Events from News Headlines on Twitter

Saeedeh Shekarpour, Ankita Saxena+3 more|arXiv (Cornell University)|Aug 6, 2018

Semantic Web and Ontologies参考文献 17被引用 3

一句话总结

本文提出了一种领域无关的流程，用于从推特上的实时新闻标题中构建一个相互链接的事件知识图谱，采用结构化方法，包括事件与实体注释、跨时间和媒体的互链接，以及遵循开放链接数据原则。主要贡献是基于CEVO本体和基于RDF的事件建模的系统性框架，通过推特新闻标题案例研究加以展示。

ABSTRACT

The ever-growing datasets published on Linked Open Data mainly contain encyclopedic information. However, there is a lack of quality structured and semantically annotated datasets extracted from unstructured real-time sources. In this paper, we present principles for developing a knowledge graph of interlinked events using the case study of news headlines published on Twitter which is a real-time and eventful source of fresh information. We represent the essential pipeline containing the required tasks ranging from choosing background data model, event annotation (i.e., event recognition and classification), entity annotation and eventually interlinking events. The state-of-the-art is limited to domain-specific scenarios for recognizing and classifying events, whereas this paper plays the role of a domain-agnostic road-map for developing a knowledge graph of interlinked events.

研究动机与目标

• 解决现有开放链接数据源中缺乏高质量、语义注释的实时事件数据的问题。
• 开发一种系统化、可重用的流程，用于从非结构化、实时文本中构建相互链接事件的知识图谱。
• 支持对近期事件的复杂查询，如涉及特定地点、时间及发布者的查询。
• 为事件注释、实体链接以及跨媒体和时间上下文的互链接提供标准化方法。
• 确保最终的知识图谱具有一致性、可解析性，并通过开放链接数据原则与外部RDF源实现互链接。

提出的方法

• 采用CEVO本体作为背景数据模型，以表示细粒度的事件类型及其论元。
• 设计多阶段流程：(1) 选择背景数据模型，(2) 通过自然语言处理技术进行事件与实体注释，(3) 使用SKOS:related在时间和媒体之间互链接事件。
• 通过RDF序列化发布带有全局唯一、可解析URI的事件三元组。
• 通过去重、验证以及与外部知识库对齐来确保数据一致性。
• 利用推特新闻标题作为实时数据流，以证明该框架的可行性。
• 利用现有的自然语言处理与信息抽取技术进行事件识别、分类和关系抽取。

实验结果

研究问题

• RQ1 应依据何种标准来选择用于在知识图谱中表示和互链接事件的背景数据模型？
• RQ2 如何从非结构化、实时文本（如推特新闻标题）中系统性地注释事件及其相关实体？
• RQ3 哪些策略能够实现跨不同时间点和媒体来源的事件有效互链接？
• RQ4 如何使生成的事件知识图谱符合开放链接数据原则？
• RQ5 该框架在多大程度上可推广至新闻标题以外的其他领域？

主要发现

• 所提出的流程能够从实时、非结构化的推特新闻标题中构建出语义丰富的、以事件为中心的知识图谱。
• 使用CEVO本体可实现对事件类型及其论元的细粒度表示，支持复杂事件推理。
• 通过SKOS:related互链接事件，有助于在时间和媒体之间建模因果、时间及关联事件链。
• 该框架通过可解析URI、数据验证以及与外部知识库的互链接，确保符合开放链接数据原则。
• 案例研究证明了从动态实时数据流（如推特）中提取并发布事件三元组的可行性。
• 该方法为未来需要实时、来源可追溯且带时间标注的事件知识的系统，提供了可扩展的、领域无关的基础。