CESI: Canonicalizing Open Knowledge Bases using Embeddings and Side Information (WWW '18)

[oratosa]

• 論文タイトル CESI: Canonicalizing Open Knowledge Bases using Embeddings and Side Information (WWW '18)

• 著者（所属） Shikhar Vashishth, Prince Jain, Partha Talukdar

• 論文PDF／ランディングページへのリンク https://arxiv.org/abs/1902.00172

• 論文まとめ（落合フォーマット準拠）

  • どんなもの（どんな問題を解きたい）？ OpenIEに抽出されたtripleのNP（Noun phrase）や述語（Relation phrase, RP）は冗長で曖昧な表現になっているため，一般的にはマニュアルに定義した特徴空間でクラスタリング を行って正規化を図る． しかし，マニュアルにクラスタリング を行うことはコストもかかる上，最適ではない場合もあるので，この研究ではEmbeddingsとSide informationによる正規化で，コスト低減と最適化を図る．
  • 先行研究と比べてどこがすごい？
  • なぜEntity linkingではダメなの？：Entity linkingはメンションされたNPをKBの知識ベースにmapするので，KBにない場合はNILエンティティとされ，NILエンティティのクラスタリング 問題が残る．この研究におけるEntity Linkingの位置付けは正規化の精度をあげるための利用．
  • 他に類似する研究はないのか？：RESOLVERという手法で，文字列類似度に基づくPhraseのクラスタリング が提案されている．また，階層型クラスタリング によるNP正規化の研究がある．前者は類義語に弱く，後者は特徴空間をマニュアルに定義する必要ある．この研究はそうした課題を解消する．
  • 技術や手法のキモはどこ？
    1. 非正規化トリプルに関するSide Information（Entity Linking，PPDB，Wordnet，AMIE，など）を獲得
    2. Side Informationも利用して，NPとRPをEmbeddeingする
    3. 同一と思われるNPやRPをクラスタリングし，正規化する
  • 入力：正規化されていないOpen KB
  • 出力：正規化されたNPとRP
  • どうやって有効だと検証した？ 生成クラスタについて正解クラスタとの比較で評価する． 評価は，先行研究の評価指標にのっとり，Precision, Recall，F1指標について，macro, micro, pairwiseの切り口で行う．5人の評価者が各クラスタにスコアを付与する．
  • 検証用データセット
    • Base: Freebaseのエンティティを含むデータセット
    • Ambiguous: Baseに対して，同義語のエンティティを加えて拡張したデータセット
    • ReVerb45K: real open KBを模倣して作成（この研究の貢献の1つ）
  • ベースライン手法
    • Entity linker, 先行研究, Glove, HoIEなど
  • 議論はある？ Side informationとして，トリプルのソースドメイン情報の利用によって，類似した名前の別人物の識別精度を向上させる必要がある．
  • 次に読むべき論文は？
  • 本論文の発展手法と思われる Lin, Xueling and Lei Chen. “Canonicalization of Open Knowledge Bases with Side Information from the Source Text.” 2019 IEEE 35th International Conference on Data Engineering (ICDE) (2019): 950-961.
  • 本論文でたびたび言及される先行研究 Galárraga, Luis et al. “Canonicalizing Open Knowledge Bases.” CIKM '14 (2014).