Can we predict new facts with open knowledge graph embeddings? A benchmark for open link prediction


Broscheit, Samuel ; Gashteovski, Kiril ; Wang, Yanjie ; Gemulla, Rainer


[img] PDF
Can We Predict New Facts with Open Knowledge Graph Embeddings A Benchmark for Open Link Prediction.pdf - Veröffentlichte Version

Download (648kB)

URL: https://madoc.bib.uni-mannheim.de/55724
Weitere URL: https://www.aclweb.org/anthology/2020.acl-main.209...
URN: urn:nbn:de:bsz:180-madoc-557240
Dokumenttyp: Konferenzveröffentlichung
Erscheinungsjahr: 2020
Buchtitel: ACL 2020 : the 58th Annual Meeting of the Association for Computational Linguistics, proceedings of the conference, ACL 2020The 58th Annual Meeting of theAssociation for Computational LinguisticsProceedings of the Conference, July 5 - 10, 2020
Seitenbereich: 2296-2308
Veranstaltungstitel: ACL 2020
Veranstaltungsort: Online
Veranstaltungsdatum: 05.-10.07.2020
Herausgeber: Jurafsky, Dan
Ort der Veröffentlichung: Stroudsburg, PA
Verlag: Association for Computational Linguistics
ISBN: 978-1-952148-25-5
Sprache der Veröffentlichung: Englisch
Einrichtung: Fakultät für Wirtschaftsinformatik und Wirtschaftsmathematik > Practical Computer Science I: Data Analytics (Gemulla 2014-)
Lizenz: CC BY 4.0 Creative Commons Namensnennung 4.0 International (CC BY 4.0)
Fachgebiet: 004 Informatik
Abstract: Open Information Extraction systems extract(“subject text”, “relation text”, “object text”)triples from raw text. Some triples are textualversions of facts, i.e., non-canonicalized men-tions of entities and relations. In this paper, weinvestigate whether it is possible to infernewfacts directly from theopen knowledge graphwithout any canonicalization or any supervi-sion from curated knowledge. For this pur-pose, we propose the open link prediction task,i.e., predicting test facts by completing(“sub-ject text”, “relation text”, ?)questions. Anevaluation in such a setup raises the question ifa correct prediction is actually anewfact thatwas induced by reasoning over the open knowl-edge graph or if it can be trivially explained.For example, facts can appear in different para-phrased textual variants, which can lead to testleakage. To this end, we propose an evaluationprotocol and a methodology for creating theopen link prediction benchmark OLPBENCH.We performed experiments with a prototypicalknowledge graph embedding model for openlink prediction. While the task is very chal-lenging, our results suggests that it is possibleto predict genuinely new facts, which can notbe trivially explained.




Dieser Eintrag ist Teil der Universitätsbibliographie.

Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt.




Metadaten-Export


Zitation


+ Suche Autoren in

+ Download-Statistik

Downloads im letzten Jahr

Detaillierte Angaben



Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail


Actions (login required)

Eintrag anzeigen Eintrag anzeigen