解决知识图谱路径模式挖掘中的可扩展性问题：一项初步研究
数据库
2020-08-10 v2 人工智能
摘要
从知识图谱中挖掘的特征被广泛用于分类或事实核查等多种知识发现任务中。本文考虑一组称为种子顶点的给定顶点，并聚焦于挖掘其关联的邻域顶点、路径，以及更一般地涉及与知识图谱相链接的本体类别的路径模式。由于组合性质以及真实世界知识图谱规模的不断增长，挖掘这些模式的任务立即带来可扩展性问题。在本文中，我们通过提出一种依赖于一组约束（例如支持度或度阈值）和单调性性质的模式挖掘方法来解决这些问题。由于我们的动机来源于真实世界知识图谱的挖掘，我们使用生物医学知识图谱 PGxLOD 来阐释我们的方法。
引用
@article{arxiv.2007.08821,
title = {Tackling scalability issues in mining path patterns from knowledge graphs: a preliminary study},
author = {Pierre Monnin and Emmanuel Bresso and Miguel Couceiro and Malika Smaïl-Tabbone and Amedeo Napoli and Adrien Coulet},
journal= {arXiv preprint arXiv:2007.08821},
year = {2020}
}