知识图谱生而不同：探索真实知识图谱的性质与结构
机器学习
2023-11-14 v1 计算与语言
摘要
尽管知识图谱（KG）相关任务和基准（如 KG 嵌入、链接预测、实体对齐以及将预训练语言模型作为 KG 的推理能力评估）近期广受欢迎，真实 KG 的结构与性质却未被充分研究。在本文中，我们对来自自然科学、医学和 NLP 等多样领域的 29 个真实 KG 数据集进行大规模比较研究，以分析其性质与结构模式。基于我们的发现，我们就基于 KG 的模型开发与评估提出若干建议。我们相信 KG 中蕴含的丰富结构信息可惠及跨领域的更好 KG 模型开发，并希望本研究有助于打破不同研究领域（例如 ML、NLP、科学 AI）之间现有的数据孤岛。
引用
@article{arxiv.2311.06414,
title = {Knowledge Graphs are not Created Equal: Exploring the Properties and Structure of Real KGs},
author = {Nedelina Teneva and Estevam Hruschka},
journal= {arXiv preprint arXiv:2311.06414},
year = {2023}
}
备注
Accepted at NeurIPS 2023 New Frontiers in Graph Learning Workshop (NeurIPS GLFrontiers 2023)