COREKG：核集引导的知识图谱个性化摘要

知识图谱（KGs）在不同领域和多种应用中得到广泛使用。通常，这些知识图谱规模非常大。此类知识图谱对于问答和可视化等任务变得难以处理。在这种情况下，知识图谱摘要提供了一种可行的替代方案。此外，在当前数据驱动的世界中，个性化知识图谱摘要至关重要，因为它根据用户的查询模式捕获其特定需求。由于仅保留相关信息，知识图谱的个性化摘要规模较小，从而显著降低了存储需求和查询运行时间。在本工作中，我们适配核集理论以创建个性化知识图谱摘要。对于给定的数据集和特定用户的查询工作负载，我们提出了一种方法，使用基于敏感度的重要性采样对相关三元组子集进行采样。我们确保该子集以有界近似误差逼近完整数据集的特征。我们定义了敏感度分数，用于衡量三元组相对于用户查询工作负载的重要性，随后被我们的核集构建算法所使用。我们通过根据每个用户的查询行为独立构建摘要，明确关注个性化知识图谱摘要。我们在Freebase、WikiData和DBpedia上的评估表明，COREKG提供了比现有最先进方法（如GLIMPSE、PPR、iSummary、PEGASUS和APEX$^2$）更高的问答准确性和结构覆盖率，同时仅需原始图谱的极小一部分。