MMKG: Multi-Modal Knowledge Graphs

背景：
知识图谱提供了有效组织和管理信息的方法，但是KG通常是高度不完整的，因此知识图谱的研究主要集中于在知识图谱的完成问题。链接预测（预测KG中实体的缺失关系）、关系提取（语义关系提及分类）、本体匹配（跨KG中实体和关系的对齐和集成）是解决不完整问题的不同方法。现有的知识图谱大多都以纯文本的形式出现，缺乏与真实世界中的链接，多模态知识图谱（MMKG）被提出。
内容的提出：
MMKG以传统的文字知识图谱Freebase为基础，使用常用的子集Freebase15k作为构建的基础，构建的多模态知识图谱是三个知识图谱的集合，包含了所有实体的数字特征和图像（链接）以及还有三个知识图谱之间的实体对齐（通过sameAs进行链接），也通过实验证明了MMKG在相同链路预测任务中的有效性。
MMKG是一个由三个知识图谱组成的集合，用于链路预测和实体匹配研究，包含了所有实体的数字特征和图像。主要贡献如下：（1）依据Freebase15k构建了DBpedia15k和YAGO15k，通过sameAs链接将Freebase中的实体与DBpedia、YAGO中的实体连接起来，同时三个知识图谱都含有丰富的数字文字和图像信息，以及链接这些知识图谱队之间的sameAs谓词、数字文字和实体的图像链接，证明了知识图谱的补全问题可以从受益于多模态数据中。
构建的过程：
（1）以Freebase15k作为基础，提取FB15k中与DBpedia实体之间的对齐，这些对齐通过sameAs关系将FB15k中的一个实体链接到DBpedia中的一个