论文浅尝 | 从知识图谱流中学习时序规则

 

论文笔记整理:汪寒,浙江大学硕士,研究方向为知识图谱、自然语言处理。

链接:http://ceur-ws.org/Vol-2350/paper15.pdf

动机

知识图谱是现在十分流行的数据管理方式,在最近几年应用广泛。但目前的基于KG的规则挖掘主要都是针对静态的KG,无法应用于有时间维度的KG。本文提出了一种针对有时间维度的KG流的规则挖掘算法,挖掘出的规则也有时间维度。

亮点

文章的亮点主要包括:

提出了针对KG流的规则挖掘算法,可以挖掘出带有时间维度的规则。

概念

1.Temporal closed-path rule r(k),LHS记为body(r),RHS记为head(r)

2. support degree of r(k) at time point τ,在时间点τ满足r(k)的实体对个数

3.standard confidence和head coverage

 

4.dynamic standard confidence (DSC) 和 dynamic head coverage(DHC),作者认为不同时刻的rule的SC和HC应该与之前时间步的SC和HC相关

5.S[i,j]表示时间步i到时间步j时刻的KG

6.S*[i,j]表示把S[i,j]的所有元组去掉时间维度后获得的静态KG

方法

先把整个KG流转换成 static KG,用不带时间维度的规则挖掘算法 RLvLR 挖掘CP rules。然后根据DSC和DHC筛选规则,为了减少计算量,在筛选规则时加入了滑动窗口,只计算滑动窗口时间步内的KG。W包含了所有在当前滑动窗口的KG片段。

实验

⑴. 数据集

用的是Integrated Crisis EarlyWarning System (ICEWS) 数据集。

⑵. 实验结果

总结

本文提出了一种可以在KG流中挖掘带时间维度的时序规则算法。


OpenKG

开放知识图谱(简称 OpenKG)旨在促进中文知识图谱数据的开放与互联,促进知识图谱和语义技术的普及和广泛应用。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注