通过负采样和演绎闭合过滤增强 $\mathcal{EL}^{++}$ 的几何本体嵌入
人工智能
2024-06-27 v2
摘要
本体嵌入将 本体中的类、关系和个体映射到 ,在 中可以计算实体之间的相似性或推断新的公理。对于 的本体,已开发出几种嵌入方法,显式生成本体的模型。然而,这些方法存在一些局限性:它们不能区分不可证明的陈述与可证为假的陈述,因此可能将已被推导的陈述用作负样本。此外,它们未利用本体的演绎闭合来识别被推断但未被断言的陈述。我们评估了一组基于概念描述高维球表示的 本体嵌入方法,纳入了旨在利用本体演绎闭合的若干修改。特别是,我们设计了新的负损失函数,既考虑演绎闭合,又考虑不同类型的负样本。我们展示了我们的嵌入方法在本体完成任务中优于基线本体嵌入。
引用
@article{arxiv.2405.04868,
title = {Enhancing Geometric Ontology Embeddings for $\mathcal{EL}^{++}$ with Negative Sampling and Deductive Closure Filtering},
author = {Olga Mashkova and Fernando Zhapa-Camacho and Robert Hoehndorf},
journal= {arXiv preprint arXiv:2405.04868},
year = {2024}
}
备注
Revised version