Truveta Mapper：一种零样本本体对齐框架
机器学习
2023-08-23 v3 人工智能
计算与语言
摘要
本文提出了一种将无监督本体匹配（OM）或本体对齐（OA）视为翻译任务的新视角。本体被表示为图，翻译从源本体图中的节点执行到目标本体图中的路径。所提出的框架 Truveta Mapper（TM）利用多任务序列到序列的 transformer 模型，以零样本、统一且端到端的方式执行跨多个本体的对齐。多任务使模型能够通过迁移学习隐式地学习不同本体之间的关系，而无需任何显式的跨本体人工标注数据。这也使所公式化的框架在运行延迟和对齐质量上均优于现有解决方案。该模型仅在公开可用的文本语料库和本体内部数据上进行预训练和微调。所提出的解决方案在 Ontology Alignment Evaluation Initiative（OAEI22）中优于最先进的方法 Edit-Similarity、LogMap、AML、BERTMap 以及最近提出的新的 OM 框架，具有对数线性复杂度，并且总体上使 OM 任务高效且更简单，无需涉及映射扩展或映射修复的大量后处理。我们正在开源我们的解决方案。
引用
@article{arxiv.2301.09767,
title = {Truveta Mapper: A Zero-shot Ontology Alignment Framework},
author = {Mariyam Amir and Murchana Baruah and Mahsa Eslamialishah and Sina Ehsani and Alireza Bahramali and Sadra Naddaf-Sh and Saman Zarandioon},
journal= {arXiv preprint arXiv:2301.09767},
year = {2023}
}