意味的な妥当性・検索性能・学習精度を考慮したイベント情報のナレッジグラフ化の研究

考虑语义有效性、检索性能和学习准确性的事件信息知识图谱研究

基本信息

批准号：
22K18008
负责人：
江上周作
金额：
$ 2.83万
依托单位：
National Institute of Advanced Industrial Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

様々なデータを「主語，述語，目的語」の三つ組み（トリプル）形式で関連付けるナレッジグラフ（KG）は，観測データなどの時空間的に生起する事象（イベント）の記述にも用いることができ，このようなKGをイベント中心ナレッジグラフやイベントナレッジグラフ（イベントKG）と称する．イベントKG化には，イベントノードを中心にして主語，述語，目的語，その他の情報をリンクするパターン（イベント中心モデル）や，トリプルごとに述語のインスタンスを作成するパターン（Singleton Property），トリプルを1つのリソースとして扱い，トリプルのトリプルを作成するパターン（RDF-star）など，異なるメタデータ表現モデルが存在する．本研究では，これらのメタデータ表現モデルの実用上の利点と欠点の特性を明らかにすることを目指す．今年度は，KGの機械学習応用のためのベクトル空間埋め込みの観点から分析するため，イベントKGに各メタデータ表現モデルを適用したデータセットを作成した．さらに，各メタデータ表現モデルを適用したデータに，KG埋め込みモデル（TransE）を適用し，トリプルのリンク予測の実験を行った．その結果，リンク予測においてRDF-starやSingleton Propertyモデルが優れていることが明らかとなり，その要因を分析して考察した．実験と考察の過程で，全てのメタデータ表現モデルの意味表現を同等に正しく学習できるKG埋め込みモデルが存在しないことが判明したため，新たな埋め込みモデルの開発に取り組むこととなった．

知识图谱（KG）以三元组（主语、谓语、宾语）的形式关联各种数据，也可以用来描述时空发生的事件，例如观察数据，这样的知识图谱称为以事件为中心的知识。图或事件知识图（事件KG）。事件 KG 包括围绕事件节点链接主语、谓语、宾语和其他信息的模式（以事件为中心的模型）、为每个三元组创建谓语实例的模式（单例属性）以及创建每个三元组的谓词实例（单例属性）有不同的元数据表示模型，例如将其视为一个资源并创建三元组的三元组的模式（RDF-star）。在本研究中，我们的目的是阐明这些元数据表示模型的实际优点和缺点的特点。今年，为了从机器学习应用的向量空间嵌入的角度来分析知识图谱，我们创建了一个数据集，其中每个元数据表示模型都应用于事件知识图谱。此外，我们将知识图谱嵌入模型（TransE）应用于应用了每个元数据表示模型的数据，并进行了三重链接预测的实验。结果表明，RDF-star 和 Singleton Property 模型在链路预测方面具有优越性，并对其背后的因素进行了分析和讨论。在实验和考虑的过程中，我们发现没有一个KG嵌入模型能够同样准确地学习所有元数据表示模型的语义表示，因此我们决定开发一种新的嵌入模型。

项目成果

期刊论文数量（4）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Datasets of Mystery Stories for Knowledge Graph Reasoning Challenge

DOI：
发表时间：
2023
期刊：
影响因子：
0
作者：
Kouji Kozaki;S. Egami;Kyoumoto Matsushita;Takanori Ugai;Takahiro Kawamura;Ken Fukuda
通讯作者：
Kouji Kozaki;S. Egami;Kyoumoto Matsushita;Takanori Ugai;Takahiro Kawamura;Ken Fukuda

Synthesizing Event-Centric Knowledge Graphs of Daily Activities Using Virtual Space