为何只满足于一种？用多对多关系扩展 EL++ 本体嵌入
人工智能
2021-10-22 v1 机器学习
摘要
知识图（KG）嵌入提供了知识图中实体与关系的低维表示，已成功用于问答与搜索、推理、推断和缺失链接预测等多种应用。然而，现有大多数 KG 嵌入仅考虑图的网络结构，而忽略了为 KG 中实体间关系提供关键信息的底层本体的语义与特性。近期该方向的研究涉及为名称为 EL++ 的描述逻辑（本体的逻辑基础）学习嵌入。但此类方法将本体中定义的所有关系视为一对一，这严重限制了其性能与应用。我们提供了一种简单而有效的解决方案来克服这一缺陷，使此类方法在学习嵌入表示时能够考虑多对多关系。使用三个不同 EL++ 本体进行的实验表明，相较五个基线方法性能有显著提升。我们提出的方案也为学习更具表达力的描述逻辑（如 SROIQ）的嵌入表示铺平了道路。
引用
@article{arxiv.2110.10555,
title = {Why Settle for Just One? Extending EL++ Ontology Embeddings with Many-to-Many Relationships},
author = {Biswesh Mohapatra and Sumit Bhatia and Raghava Mutharaju and G. Srinivasaraghavan},
journal= {arXiv preprint arXiv:2110.10555},
year = {2021}
}
备注
The paper got accepted in SemrRec challenge in ISWC 2021