KGPrune：从维基数据提取感兴趣子图的基于类比修剪的 Web 应用

知识图谱（KGs）已成为 ubiquitous 的公开可获取的知识源，如今已涵盖日益增多的领域。然而，并非所有表示的知识在考虑新应用程序或特定任务时都是有用或相关的。此外，由于其规模不断增大，处理整个大型知识图谱会带来可扩展性问题。这两个方面都需要高效的方法来从现有的知识图谱中提取感兴趣的子图。为此，我们引入了 KGPrune，这是一个 Web 应用程序，给定感兴趣的种子实体和要遍历的属性，从维基数据中提取其相邻子图。为避免主题漂移，KGPrune 依赖于基于类比推理的保守修剪算法，仅保留相关邻居，修剪不相关邻居。KGPrune 的价值通过两个具体应用得以说明，即为企业知识图谱做引导并提取与掠夺艺术品相关的知识。