用于分析知识图谱嵌入的DLCC节点分类基准
人工智能
2022-07-14 v1
摘要
知识图谱嵌入是一种将知识图谱中的实体与关系投影到连续向量空间的表示学习技术。嵌入已获得大量采用，并广泛用于链接预测及其他下游预测任务。多数方法在单一任务或单一任务组上评估以确定其整体性能。随后根据嵌入方法在当前任务上的表现进行评估。然而，嵌入方法实际学习表征了哪些信息却鲜少被评估（且常未被深入理解）。为填补此空白，我们提出DLCC（描述逻辑类构造子）基准，一种从所能表示的类之角度分析嵌入方法的资源。给出了两个黄金标准，一个基于真实世界知识图谱DBpedia，另一个为合成黄金标准。此外，提供了一个实现实验协议的评价框架，以便研究者直接使用该黄金标准。为展示DLCC的用途，我们利用黄金标准比较了多种嵌入方法。我们发现DBpedia上的许多DL构造子实际上是通过识别与黄金标准中定义不同的相关模式学得的，且特定的DL构造子（如基数约束）对多数嵌入方法尤其难以学习。
引用
@article{arxiv.2207.06014,
title = {The DLCC Node Classification Benchmark for Analyzing Knowledge Graph Embeddings},
author = {Jan Portisch and Heiko Paulheim},
journal= {arXiv preprint arXiv:2207.06014},
year = {2022}
}
备注
Accepted at International Semantic Web Conference (ISWC) 2022