YAGO: A Core of Semantic Knowledge Unifying WordNet and Wikipedia

 

梗概：

       Wikipedia中有大量的individuals，我们希望可以利用这些大量的实例，同时我们希望在一个知识库中concept可以按分类层次进行排列，但是Wikipedia的分类方式主要是基于主题，并不清晰，所以，我们需要将Wikipedia的实体与WordNet相结合。

       在提取Wikipedia中的fact时，需要利用fact的category pages，并不访问page本身。这个category可以给我们很多信息，包括entity，relation，concept等

       WordNet是以同义词集合（synset）作为基本单位进行组织，每个synset代表一种语义（concept）。WordNet中有verbs，adjectives等，我们只考虑nouns，synset之间存在语义关系（如：hypernyms/hyponyms 上下位关系），但缺点是实体太少，语义关系太少，尤其是不同词汇之间不存在语义关系（如 医生与医院）

 

数据模型：

       YAGO：RDFS的延伸

       1、所有对象都表示为实体

       2、数字，日期，字符串等也可表示为实体

       3、单词也是实体，这使得每个单词可以表示为具体的实体

       4、class也是实体，class以taxonomic hierarchy进行组织，类之间的关系为subClassOf

       5、关系也是实体，所以我们可以表示关系的属性

Fact=（entity1，relation，entity2）

              其中：entity1，entity2被称为argument

       每个fact可以表示为一个identifier

     6、identifier也是一个实体，这就允许我们可以表示一个fact与URL的资源链接关系（FoundIn realtion）

       7、既不是fact也不是relation的entity被称为common entity，common entity中不是class的被称为individual，也就是单纯的实例

       综上，YAGO可被表示为：

             

       表示一个fact：I,C,R

       fact与fact又会生出新的fact，而I可以一一映射每个fact

      

       注：一些fact需要多个argument，解决方法有：

              1、引入n-ary-relations

              2、为每个argument引入一个二元关系，但拓展性不好？

       因此YAGO采用primary pair of its arguments 和 the other argument 相结合的方式

Knowledge Extraction（知识抽取）：

       每个Wikipedia page都是YAGO中的individual，我们提取之后，需要对这些实体的class也就是Wikipedia中的cateegory进行判断，对于Wikipedia page来说，有很多category，只有conceptual category才是真正的class。

       我们的工作主要是区别conceptual category和thematic vicinity 区别的主要依据head of the categoty name is a plural word

       到这里我们在individual 和 class中建立了对应的type relation，但从前面的分析来看，class也可看作entity，也就是说class中也有层次关系。

       在Wikipedia中，category是一个有向无环图，主要是以thematic structure进行组织，这是不可取的，因此我们需要以WordNet为标准重新组织，只取leaf category而忽略其他category

      

       Establishing subClassOf

       我们需要将Wikipedia中的层次较低的class与WordNet中层次较高的class建立subClassOf联系，这也是Wikipedia与WordNet建立链接的关键。

       建立方法：

       以文中的American people in Japan为例：

       Pre-modifier：American

       Head：people

       Post-modifier：in Japan

      

       People->person 判断WordNet中是否存在American person 没有的话，说明为exclusively endocentric compound words 因此直接映射person，但是需要消岐，我们映射到频率最高的那个synset？

 

       The means relation：

       构建means relation的三个方法：

       1、单词与synset建立关系

       2、别名与重定向网站

       3、givenameof与familynameof 是means的subrealtions

      

       其他：

       利用category信息 如：BornInYear DiedInYear等

      

       过滤操作：

       所有的arguments必须是存在于Wikipedia的page，也就是在Type relation中建立的，其余的需要被筛选（因为WordNet中也存在做这种individual）

       Meta-relation的建立：

       Describes relation：

       Arguments：individual ，URL（便于访问资源）

      

       Extended new facts：

       Witness page

       FoundIn relation：fact URL建立联系

       ExtractedBy relation：分辨提取技术

      

       Context relation：用于处理individuals间的语义信息

 

YAGO的拓展：

       Fact（x，r，y）

       1、map x，y to existing entities

              需要解决歧义问题（实体链接问题）：可以利用YAGO的existing entities的相关信息，如：relations to other entities，the word uesd to

Refer to the entities，the context of the entities

       2、map relation 提前固定好的relation 比较简单

       3、如果已存在，则需要add a new witness for the fact

       4、如果不存在，则需要add the fact together with a new fact identifier