三元模式查询中基于特征的实体重构
人工智能
2018-07-06 v1
摘要
知识图谱通过关系将唯一可标识的实体与其他实体或字面值编码关联,从而实现对所存储数据的语义丰富查询。通常,此类查询的语义是精确的,因此得到精确的答案。查询日志统计表明,发给知识图谱的大部分查询通常是实体中心查询。当用户需要额外答案时,现有的辅助用户方法是重写原始查询,得到一组近似结果。过去已提出若干策略来解决此问题,它们通常沿分类法向上移动,将特定元素放宽为更通用的元素。实体没有分类法,最终被泛化。为解决此问题,本文提出一种利用图中模式信息和实体特征的实体中心重构策略,以建议重写。一旦识别出特征,相关实体就被重构为一组特征。由于实体可能具有大量特征,我们引入策略来选择排名前 k 个最相关且信息丰富的特征,并将其增补到原始查询中以创建有效的重构。然后我们通过表明我们的重构策略与现有最优方法相比产生更具信息性的结果来评估我们的方法。
引用
@article{arxiv.1807.01801,
title = {Feature-based reformulation of entities in triple pattern queries},
author = {Amar Viswanathan and Geeth de Mel and James A. Hendler},
journal= {arXiv preprint arXiv:1807.01801},
year = {2018}
}
备注
ESWC 2018 submission