Core Concepts
지식 그래프 확장을 위해 개체 유형 인식 방법을 제안하여 다양한 지식 그래프 간 개념 정렬을 향상시킴
Abstract
이 논문은 지식 그래프 확장을 위한 자동화된 프레임워크를 제안합니다. 주요 내용은 다음과 같습니다:
지식 그래프 확장 작업을 모델링하기 위해 데이터 준비, 개체 유형 인식, 지식 그래프 확장, 성능 평가의 4단계로 구성된 프레임워크를 제시합니다.
개체 유형 인식을 위해 기계 학습 모델과 속성 기반 유사성 지표를 활용하는 방법을 제안합니다. 이를 통해 다양한 지식 그래프 간 개념 정렬 성능을 향상시킬 수 있습니다.
지식 그래프 확장의 품질을 평가하기 위한 지표를 제안합니다. 이 지표는 범주화 목적에 기반하여 개체 유형과 지식 그래프를 평가할 수 있습니다.
지식 그래프 획득, 관리, 확장 기능을 통합한 온라인 플랫폼 LiveSchema를 개발하였습니다. 이를 통해 지식 엔지니어들이 자동화된 지식 그래프 확장 서비스를 활용할 수 있습니다.
Stats
다양한 지식 그래프 간 개체 유형과 속성의 공유 정도가 낮아 개념 정렬의 어려움이 존재한다.
개체 유형 인식 성능 평가 결과, 제안한 방법이 기존 방법보다 우수한 성능을 보였다.
제안한 지식 그래프 평가 지표를 통해 확장된 지식 그래프의 품질을 효과적으로 검증할 수 있다.
Quotes
"지식 그래프 확장은 기존 지식 그래프를 재사용하여 새로운 지식 그래프를 개발하는 것으로, 방대한 양의 데이터를 처리하고 통합하는 효율성을 높일 수 있다."
"개체 유형 인식은 지식 그래프 확장에서 핵심적인 역할을 하며, 다양한 지식 그래프 간 개념 정렬을 향상시킬 수 있다."
"지식 그래프 확장의 품질을 평가하기 위해서는 범주화 목적에 기반한 평가 지표가 필요하다."