关联 OpenStreetMap 与知识图谱——面向无模式众源地理信息的链接发现
社会与信息网络
2020-11-20 v3 机器学习
摘要
Wikidata 和 DBpedia 等热门知识图谱中地理实体的表示往往是不完整的。OpenStreetMap（OSM）是一个丰富的开放可用众源地理信息源，具有补充这些表示的巨大潜力。然而，知识图谱实体与 OSM 节点之间的身份链接仍然很少。由于 OSM 中缺乏严格模式且用户自定义节点表示具有异质性，此类场景下的链接发现问题尤其具有挑战性。在本文中，我们提出 OSM2KG——一种新颖的链接发现方法，用于预测 OSM 节点与知识图谱中地理实体之间的身份链接。OSM2KG 方法的核心是对 OSM 节点的一种新颖潜在紧凑表示，该表示在嵌入中捕获语义节点相似性。OSM2KG 采用该潜在表示来训练用于链接预测的监督模型，并利用 OSM 与知识图谱之间已有的链接进行训练。我们在多个 OSM 数据集以及 Wikidata 和 DBpedia 知识图谱上进行的实验表明，OSM2KG 能够可靠地发现身份链接。OSM2KG 在 Wikidata 上平均达到 92.05% 的 F1 分数，在 DBpedia 上达到 94.17% 的 F1 分数，相较于表现最佳的基线在 Wikidata 上的 F1 分数提高了 21.82 个百分点。
引用
@article{arxiv.2011.05841,
title = {Linking OpenStreetMap with Knowledge Graphs -- Link Discovery for Schema-Agnostic Volunteered Geographic Information},
author = {Nicolas Tempelmeier and Elena Demidova},
journal= {arXiv preprint arXiv:2011.05841},
year = {2020}
}