OntoTKGE: 온톨로지 기반 시간적 지식 그래프 확장

OntoTKGE: Ontology-Enhanced Temporal Knowledge Graph Extrapolation

시간적 지식 그래프(TKG) 확장은 지식 그래프의 스냅샷 내에서 과거의 상호 작용 정보를 활용하여 미래의 사실을 예측하는 중요한 과제입니다. 대부분의 기존 TKG 확장 모델에서 주요 과제는 역사적 상호 작용이 희소한 개체를 처리하는 것입니다. 본 논문에서는 온톨로지 지식을 활용하여 이러한 희소성 문제를 완화하고자 합니다. 온톨로지 지식은 동일한 개념을 가진 다른 개체로부터 행동 패턴을 상속하도록 하여, 이전 연구에서 간과되었던 부분을 보완합니다. 본 논문에서는 온톨로지-뷰 지식 그래프(추상 개념 간의 계층적 관계뿐만 아니라 개념과 개체 간의 연결을 모델링하는 지식 그래프)에서 온톨로지 지식을 활용하여 TKG 확장 모델의 학습 과정을 안내하는 새로운 인코더-디코더 프레임워크인 OntoTKGE를 제안합니다. OntoTKGE는 다양한 TKG 확장 모델에 적용될 수 있도록 설계되었습니다. 네 가지 데이터 세트에 대한 광범위한 실험 결과, OntoTKGE는 많은 TKG 확장 모델의 성능을 크게 향상시킬 뿐만 아니라, 다양한 최첨단(SOTA) 기준 방법보다 우수한 성능을 보이는 것으로 나타났습니다.

Temporal knowledge graph (TKG) extrapolation is an important task that aims to predict future facts through historical interaction information within KG snapshots. A key challenge for most existing TKG extrapolation models is handling entities with sparse historical interaction. The ontological knowledge is beneficial for alleviating this sparsity issue by enabling these entities to inherit behavioral patterns from other entities with the same concept, which is ignored by previous studies. In this paper, we propose a novel encoder-decoder framework OntoTKGE that leverages the ontological knowledge from the ontology-view KG (i.e., a KG modeling hierarchical relations among abstract concepts as well as the connections between concepts and entities) to guide the TKG extrapolation model's learning process through the effective integration of the ontological and temporal knowledge, thereby enhancing entity embeddings. OntoTKGE is flexible enough to adapt to many TKG extrapolation models. Extensive experiments on four data sets demonstrate that OntoTKGE not only significantly improves the performance of many TKG extrapolation models but also surpasses many SOTA baseline methods.