Knowledge Engineering Ⅶ | KG Alignment

同一实体在不同的database下可能有不同的表示。

ontology matching（schema matching）本体匹配

element-level matching

String-based:

1. 字符串前半部分或后半部分相同
2. Levenshtein distance e.g. sim(NKN, Nikon)=2/5=0.4
3. N-gram, (此处分母取长单词所分割成的个数)

Language-based:

1. 将带连接符的单词分开
2. 将过去式、复数等化为原型
3. 去掉冠词、介词等

Resource-based:

1. WordNet A=B（同义词）, A⊥B (A,B 是反义词或具有层级关系)

Constraint-based:

1. datatype intenger＜real
2. [1, 1]＜[0, 10]

structure-level matching

1. Graph-based techniques

   如果图中的两个节点很相似，那么他们周围的节点也会很相似。基于语义信息，相同类的解释相同。

2. taxonomy-based techniques

   比较类的实例集来决定这些类是否匹配

一些相似度：（为两个本体匹配类别的时候需要计算两个类别的相似度）

*一般都不对称

1. element-level:

   • String Similarity：

     $$CLsim(C_1,C_2)=\frac{|LCS(l(C_1),l(C_2))|}{|l(C_1)|}$$

     LCS: the longest common substring

     l(•) returns the label of the class

   • Textual Content Similarity:

     在网页上搜索某个类的标签名字，我们将搜索后出现在标题下面的小字snippet作为textual content。将该段文字中每个单词出现的频率进行计算，去除一些不必要的和频率低的单词。根据w=tf*idf对剩余单词进行权值计算。得到一组权值TC(C)=[w1(C),w2(C),…,wn(C)]

     $$TCsim(C_1,C_2)=\frac{\sum^n_{v=1}TC(C_1)_v \cdot TC(C_2)_v}{\sum^n_{v=1}TC(C_1)^2_v}$$

2. structure-level

   • Neighbor Class Set Similarity:

     $$NCSsim(C_1,C_2)=\frac{|NCS(C_1)\cap NCS(C_2)|}{|NCS(C_1)|}$$

     NCS(•) returns the set of first-order neighbor classes（只找类，不看实例）

   • Instance Set Similarity

     $$ISsim(C_1,C_2)=\frac{IS(C_1) \cap IS(C_2)}{IS(C_1)}$$

     IS(•) returns the instance set of the class (找共同实例数目)

instance matching 实例匹配

finding different instances of the same real-world objects.

Knowledge Graph Embedding aims to map entities and relations to continuous vector representation

1. TransE: monolingual scenario(单种语言)

2. MTransE: mlitilingual scenario

   Axis calibration + Linear Transformations + Translation vectors