基于知识图谱的关系概念化 Conceptualization of Relationship on Knowledge graph 本科学位论文 答辩报告 院系：软件学院 专业：软件工程 姓名：范思奇 导师：肖仰华 副教授

答辩提纲 研究背景 现有问题和启发 研究内容和方法 实验与分析 结论与讨论 致谢

研究背景 涉及问题：计算机如何理解关系？ r(ei, ej) 表格标注(Table Annotation) 关系分类体系(Relation Taxonomy) A B Harry Potter J.K. Rowling Heal the World Michael Jackson The Wedding Banquet Ang Lee The Angelic Conversation William Shakespe … 涉及问题：计算机如何理解关系？ r(ei, ej)

located-in (Fudan University, Shanghai) 研究背景 背景(1.1) 知识图谱(Knowledge graph)是一种结构化的信息，本质上是一种语义网。 构建：实体为结点，关系为边 维护：三元组为储存形式 located-in (Fudan University, Shanghai) 实体关系(1.1.2, 1.1.3) 实体关系有多种描述方式： 关系模式(Relation Pattern)： 形式为<type> context <type> 如<Institution> locates at <Location> 关系实例(Relation Instance)： 形式即为三元组r(ei, ej) 如 located-in (Fudan University, Shanghai) SOL模板 如<Person>’s [adj] voice * <Song>

现有问题和启发 现有的关系理解的局限性(2.2.2)： 概念分类体系(3.1.1) 如何从细粒度、语义角度描述关系的特征？ 基于本体(Ontology)，类型有限 实体类型粒度粗，只能针对一对特定类型下的关系 基于句法特征 如何从细粒度、语义角度描述关系的特征？ 概念分类体系(3.1.1) 微软亚研提出的Probase 概念-实体：概念是实体的抽象表示，实体是概念的具象实例 自动构建的isA(entity, concept)关系： isA(Harvard, Institution), isA(Massachusetts, Location) isA(Harvard, Ivy University), isA(Massachusetts, American State) <type> context <type> 类型有限 粒度粗 句法特征 located-in(Harvard, Massachusetts) Institution Ivy University Location American State isA 自动构建 语义特征 粒度细

研究内容和方法 关系分类体系为实体关系的理解提供了新思路(3.1.2)： 使用概念(concept)优势(3.1.2)： writer 实体关系：实体关系实际上是对许多实体对(entity pair)的抽象表示 因此，一组由许多实体对抽象化得到的概念对(concept pair)可以用于表示某种关系 使用概念(concept)优势(3.1.2)： 实体对集合压缩为较小的概念对集合 相比本体类别(owl:type)：概念体系是自动构建的，数量大，粒度细 相比分类(Category)：isA关系具有传递性 (Harry Potter, J.K. Rowling), (The Angelic Conversation, William Shakespeare) (Crouching Tiger Hidden Dragon, Ang Lee), (Heal the World, Michael Jackson), … {(Song, Artist), (Film, Director), (Book, Writer)} writer

研究内容和方法 研究目标(3.2.1)： 难点(3.2.2)： 关系概念化：给定关系r，输入n个实体对E(r)，输出m个概念对CP(r) 概念对是未知的 概念对的典型性 数据偏移 噪音 (Harry Potter, J.K. Rowling), (The Angelic Conversation, William Shakespeare) (Crouching Tiger Hidden Dragon, Ang Lee), (Heal the World, Michael Jackson), … {(Song, Artist), (Film, Director), (Book, Writer)} writer r CP(r) E(r)

研究内容和方法 算法设计(3.3)： 概念对是未知的 概念对的典型性 数据偏移 噪音

研究内容和方法 1. 概念对生成(3.3.1) 输入：知识图谱中关系r的所有实体对E(r) 输出：Top-K候选概念对 1.1 由概念分类体系生成概念对空间C×C 1.2 由E(r)为概念对进行排序 边权值累计过程图例

研究内容和方法 1. 概念对生成(3.3.1) 输入：知识图谱中关系r的所有实体对E(r) 输出：Top-K候选概念对 1.1 由概念分类体系生成概念对空间C×C 1.2 由E(r)为概念对进行排序 关系writer的候选概念对集合ICW值分布

研究内容和方法 2. 聚类压缩(3.3.2) 输入：候选概念对 输出：一组概念对CP(r) 2.1 生成以概念对为点，相似度为边权的无向有权图 2.2 马尔科夫聚类算法聚类 2.3选择簇和代表概念对 一个概念对(ci,cj)对应的一个实体对集合EPr(ci,cj)： 相似度定义：

研究内容和方法 2. 聚类压缩(3.3.2) 输入：候选概念对 输出：一组概念对CP(r) 2.1 生成以概念对为点，相似度为边权的无向有权图 2.2 马尔科夫聚类算法聚类 2.3选择簇和代表概念对 根据ICW累积权值和Wilson Score制定概念对代表性分数： 聚类后关系writer的候选概念对集合ICW值分布

实验与分析 数据集(4.1)：DBpedia提供关系r和实体对E(r), Probase提供概念分类体系即isA关系 准确率(4.2)：比较DBpedia的Romain-Range 与PATTY比较 WKP Top-100 Pattern YAGO 0.95±0.04 Freebase 0.93±0.05 WKP+Probase Top-3 Top2 Cover Top-100 of PATTY 1.23 0.72 Precision 0.93±0.04 0.96±0.04

实验与分析 聚类评估(4.3)：人工构造实体对集合，每个集合有2或3个关系组成，评估方法是否能够将这些关系分为不同的簇。 质量评估(4.4)：人工打分，计算MAP

结论与讨论 本文应用概念分类体系，提出两步抽象自下而上的关系概念化方法，根据概念的典型性、多样性、覆盖率等特征为一个实体关系给出一组Top-K的概念对。 特点： 使用实体类型更丰富的概念分类体系 将一对实体或一对概念当做一个对象来考虑，从而保留了一对实体或概念之间潜在的实体关系，通过大量实体对的叠加优化而选择更典型的概念对 优势：生成实体类型粒度更细的实体关系，有助于基于语义的关系分类体系的构建，也有助于发现更细的实体类型之间的新关系 应用： 基于语义的关系分类体系 基于语义关系的模板匹配

致谢 感谢我的导师，计算机科学与技术学院的肖仰华老师，在这几个月期间的认真指导。感谢韩国浦项科技大学（POSTECH）计算机系的Seungwon Hwang老师，在我的研究过程遇到瓶颈时提供建议。感谢计算机科学与技术学院的张义同学，在论文撰写期间全程为我提供帮助。感谢GDM实验室的各位同学，包括孙祥彦、谢晨昊同学等，在讨论中为我提供了有价值的资源。感谢我的母亲及其同学与同事、美国明尼苏达双城大学陈柯栋同学、复旦大学瞿佳庆同学、雷添羽同学、舒静同学、美国南加州大学马帅同学、云南师范大学计算机学院肖斓楠老师即其计算机学院的学生等，为我的实验进行了人工打分标注。 这篇论文将为我在复旦大学四年的学习与生活画上句号，因此我倾注了许多时间与精力。在接下来的几个月时间，我还将继续在肖仰华老师、Seungwon Hwang老师和张义同学的帮助下继续修改论文并投稿。 最后向审阅论文的各位专家和老师表示感谢，初次接触科研，论文中如有不足之处，敬请各位提出指正和建议。