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

• 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
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K18008/
• 关键词: 知識グラフ; メタデータ表現モデル; グラフ表現学習; イベント知識グラフ; リンク予測; セマンティックWeb; ナレッジグラフ; オントロジー; 時空間情報; 推論; グラフ埋め込み

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．

Others 々 な デ ー タ を "subject, predicate, and the target language" の three み つ group (ト リ プ ル) form で masato even pay け る ナ レ ッ ジ グ ラ フ (KG) は, 観 measuring デ ー タ な ど の space に arise when す る things like (イ ベ ン ト) account の に も with い る こ と が で き, こ の よ う な KG を イ ベ ン ト center 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 said す る. イ ベ ン ト KG change に は, イ ベ ン ト ノ ー ド を center に し て subject, predicate, and the target language, そ の he の intelligence を リ ン ク す る パ タ ー ン (イ ベ ン ト center モ デ ル) や, ト リ プ ル ご と に adnex の イ ン ス タ ン ス を made す る パ タ ー ン (Singleton Property), ト リ プ ル を 1 つ の リ ソ ー ス と し て Cha い, ト リ プ ル の ト リ プ ル を made す る パ タ ー ン (RDF - star) な ど, different な る メ タ デ ー タ performance モ デ ル が exist す る. This study で は, こ れ ら の メ タ デ ー タ performance モ デ ル の be used の tartness と points less の features を Ming ら か に す る こ と を refers す. Our は, KG の mechanical learning 応 の た め の ベ ク ト ル space buried め 込 み の 観 point か ら analysis す る た め, イ ベ ン ト KG に each メ タ デ ー タ performance モ デ ル を applicable し た デ ー タ セ ッ ト を made し た. さ ら に, each メ タ デ ー タ performance モ デ ル を applicable し た デ ー タ に, KG buried め 込 み モ デ ル TransE を applicable し, ト リ プ ル の リ ン ク be の be 験 を line っ た. そ の results, リ ン ク be に お い て RDF - star や Singleton Property モ デ ル が optimal れ て い る こ と が Ming ら か と な り, そ の analysis by を し て investigation し た. Be 験 と で の process, the whole て の メ タ デ ー タ performance モ デ ル を の mean performance is equally に し く learning で き る KG buried め 込 み モ デ ル が exist し な い こ と が.at し た た め, new た な buried め 込 み モ デ ル の open 発 に group take り む こ と と な っ た.

项目成果

Datasets of Mystery Stories for Knowledge Graph Reasoning Challenge

• 发表时间: 2023
• 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

• DOI: 10.1109/access.2023.3253807
• 发表时间: 2023-07
• 期刊: IEEE Access
• 影响因子: 3.9
• 作者: S. Egami;Takanori Ugai;Mikiko Oono;K. Kitamura;Ken Fukuda

Analysis of Annotation Quality of Human Activities using Knowledge Graphs

使用知识图分析人类活动的注释质量

• 发表时间: 2023
• 作者: Shusaku Egami;Mikiko Oono;Mai Otsuki;Takanori Ugai;Ken Fukuda
• 通讯作者: Ken Fukuda

イベント中心ナレッジグラフ埋め込みにおけるメタデータ表現モデルの分析

以事件为中心的知识图谱嵌入中的元数据表示模型分析

• 发表时间: 2022
• 作者: 江上周作;鵜飼孝典;太田雅輝;川村隆浩;松下京群;古崎晃司;福田賢一郎
• 通讯作者: 福田賢一郎