Gollum：面向大规模多源知识图谱匹配的黄金标准
人工智能
2022-09-19 v2
摘要
以自动与人工方法生成的知识图谱（KG）数量持续增长。为实现集成视图与使用，有必要在这些 KG 的 schema 与实例层面进行对齐。尽管已有方法试图解决这一多源知识图谱匹配问题，但仍缺乏大型黄金标准来评估其有效性与可扩展性。我们提出 Gollum 来填补这一空白——一个用于大规模多源知识图谱匹配的黄金标准，包含 4,149 个不同 KG 之间超过 275,000 条对应关系。它们源自将 DBpedia 抽取框架应用于大型 wiki 农场所衍生的知识图谱。我们提供了该黄金标准的三种变体：（1）包含全部对应关系、用于评估无监督匹配的版本；以及两个用于评估有监督匹配的版本：（2）每个 KG 同时存在于训练集与测试集中的版本，和（3）每个 KG 仅存在于训练集或测试集中的版本。
引用
@article{arxiv.2209.07479,
title = {Gollum: A Gold Standard for Large Scale Multi Source Knowledge Graph Matching},
author = {Sven Hertling and Heiko Paulheim},
journal= {arXiv preprint arXiv:2209.07479},
year = {2022}
}
备注
accepted at AKBC 2022