用于评估知识图谱的结构质量度量
人工智能
2022-12-12 v2
摘要
本工作提出了六种可衡量知识图谱质量的结构质量度量，并分析了网络上的五个跨领域知识图谱（Wikidata、DBpedia、YAGO、Google Knowledge Graph、Freebase）以及 Naver 的集成知识图谱“Raftel”。“良好的知识图谱”应当在其本体中定义详细的类与属性，以便充分表达现实世界中的知识。此外，实例与 RDF 三元组应当主动使用这些类与属性。因此，我们试图通过聚焦于作为知识图谱模式的本体及其使用程度，以数值方式考察知识图谱的内部质量。作为分析结果，我们得以发现仅通过类与属性数量等规模相关指标无法获知的知识图谱特征。
引用
@article{arxiv.2211.10011,
title = {Structural Quality Metrics to Evaluate Knowledge Graphs},
author = {Sumin Seo and Heeseon Cheon and Hyunho Kim and Dongseok Hyun},
journal= {arXiv preprint arXiv:2211.10011},
year = {2022}
}