|
Type prediction in RDF knowledge bases using hierarchical multilabel classification
Melo, André
;
Paulheim, Heiko
;
Völker, Johanna
|
DOI:
|
https://doi.org/10.1145/2912845.2912861
|
|
URL:
|
https://madoc.bib.uni-mannheim.de/40970
|
|
Weitere URL:
|
http://dl.acm.org/citation.cfm?doid=2912845.291286...
|
|
URN:
|
urn:nbn:de:bsz:180-madoc-409704
|
|
Dokumenttyp:
|
Konferenzveröffentlichung
|
|
Erscheinungsjahr:
|
2016
|
|
Buchtitel:
|
Proceedings of the 6th International Conference on Web Intelligence, Mining and Semantics, WIMS 2016, Nîmes, France, June 13-15, 2016
|
|
Seitenbereich:
|
Article 14, 1-10
|
|
Veranstaltungstitel:
|
6th International Conference on Web Intelligence, Mining and Semantics, {WIMS} 2016
|
|
Veranstaltungsort:
|
Nimes, France
|
|
Veranstaltungsdatum:
|
June 13-15, 2016
|
|
Herausgeber:
|
Akerkar, Rajendra
|
|
Ort der Veröffentlichung:
|
New York, NY
|
|
Verlag:
|
ACM
|
|
ISSN:
|
978-1-4503-4056-4
|
|
Sprache der Veröffentlichung:
|
Englisch
|
|
Einrichtung:
|
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Information Systems V: Web-based Systems (Bizer 2012-)
Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Web Data Mining (Juniorprofessur) (Paulheim 2013-2017)
|
|
Fachgebiet:
|
004 Informatik
|
|
Abstract:
|
Large Semantic Web knowledge bases are often noisy, incorrect, and incomplete with respect to type information. Automatic type prediction can help reduce such incompleteness, and, as previous works show, statistical methods are well-suited for this kind of data. Since most Semantic Web knowledge bases come with an ontology defining a type hierarchy, in this paper, we rephrase the type prediction problem as a hierarchical multilabel classification problem. We propose SLCN, a modification of the local classifier per node approach, which performs feature selection, instance sampling, and class balancing for each local classifier. Our approach improves scalability, facilitating its application on large Semantic Web datasets with high-dimensional feature and label spaces. We compare the performance of our proposed method with a state-of-the-art type prediction approach and popular hierarchical multilabel classifiers, and report on experiments with large-scale RDF datasets.
|
 | Dieser Eintrag ist Teil der Universitätsbibliographie. |
 | Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
 Suche Autoren in
BASE:
Melo, André
;
Paulheim, Heiko
;
Völker, Johanna
Google Scholar:
Melo, André
;
Paulheim, Heiko
;
Völker, Johanna
ORCID:
Melo, André, Paulheim, Heiko  ORCID: https://orcid.org/0000-0003-4386-8195 and Völker, Johanna
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
 |
Eintrag anzeigen |
|
