Gliederung. Dokumentverarbeitung. Das YAGO System. Das YAGO System. YAGO: Yet Another Great Ontology. D. Rösner

Transkript

1 Gliederung Dokumentverarbeitung YAGO: Yet Another Great Ontology 1 D. Rösner 2 Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Winter 2013/14, 9. Januar 2014, c D.Rösner 3 4 D. Rösner DokV 2013/ D. Rösner DokV 2013/ Ziel: eine Ontologie mit hoher Abdeckung und hoher Qualität dafür werden kombiniert Wikipedia und WordNet... we present new techniques that link the two sources with near-perfect accuracy Grundidee: Wissen über Individuen (Instanzen) aus Wikipedia verbinden mit der Taxonomie von Konzepten in WordNet Ergebnis: ca 1 Million Entitäten und ca 5 Millionen Fakten D. Rösner DokV 2013/ D. Rösner DokV 2013/

2 muss ausdrücken können: Entitäten Fakten Beziehungen zwischen Fakten Eigenschaften von Relationen Technische Basis: Erweiterung (... slight extension ) von RDF-Schema Beispiele in YAGO modellierbarer Aussagen Beziehung zwischen zwei Entitäten z.b. Albert Einstein gewann den Nobelpreis geschrieben als: AlbertEinstein HASWONPRIZE NobelPrize D. Rösner DokV 2013/ D. Rösner DokV 2013/ Beispiele in YAGO modellierbarer Aussagen Literale wie Zahlen, Datumsangaben, Strings ebenfalls als Entitäten dargestellt z.b. Albert Einstein wurde 1879 geboren geschrieben als: AlbertEinstein B O R NINYE A R 1879 Beispiele in YAGO modellierbarer Aussagen Trennung zwischen abstrakter Entität und ggf. sprachspezifischer Bezeichner, die ebenfalls Entitäten Relation MEANS "Einstein" MEANS AlbertEinstein damit auch Synonymie und Ambiguität darstellbar: "Einstein" MEANS AlfredEinstein D. Rösner DokV 2013/ D. Rösner DokV 2013/

3 Beispiele in YAGO modellierbarer Aussagen jede Entität ist Instanz mindestens einer Klasse Relation TYPE AlbertEinstein TYPE physicist Klassen sind ebenfalls Entitäten Relation SUBCLASSOF physicist SUBCLASSOF scientist Beispiele in YAGO modellierbarer Aussagen jedes Tripel aus Entität, Relation und Entität heisst Fakt Fakten bekommen einen Identifikator (fact identifier), der wiederum als Entität behandelt damit lassen sich Fakten über Fakten bilden Beispiel: Fakt (AlbertEinstein, BORNINYEAR, 1879) habe Identifikator #1 dann Darstellung der Beziehung zur zugehörigen Quelle: #1 FOUNDIN D. Rösner DokV 2013/ D. Rösner DokV 2013/ Umgang mit n-ären Relationen Beispiel: won-prize-in-year(einstein, Nobel-Prize, 1921) Annahme in YAGO: für jede n-äre Relation lässt sich ein sog. primäres Paar identifizieren das primäre Paar wird als binärer Fakt mit Identifikator dargestellt alle anderen Argumente werden über Relationen dargestellt, die zwischen primärem Paar und den anderen Argumenten gelten Umgang mit n-ären Relationen Beispiel: won-prize-in-year(einstein, Nobel-Prize, 1921) Darstellung: primäres Paar #1 : AlbertEinstein HASWONPRIZE NobelPrize andere Argumente via Relationen mit dem primären Paar verbunden: #2 : #1 TIME 1921 D. Rösner DokV 2013/ D. Rösner DokV 2013/

4 des YAGO Systems WordNet Version 2.1 Umfang: Synsets, eindeutige Nomen genutzt: Hypernymy / Hyponomy des YAGO Systems Wikipedia englische Version vom Januar 2007 mit Artikeln besonders genutzt: Wikipedia-Seiten sind manuell einer oder mehreren sog. Kategorien (categories) zugeordnet Beispiel: Seite über Einstein gehört zu den Kategorien German language philosophers Swiss physicists... sowie 34 anderen Info über Kategorien als SQL-Tabelle verfügbar (Parsen der Artikel nicht erforderlich) D. Rösner DokV 2013/ D. Rösner DokV 2013/ für das YAGO System YAGO soll das Zusammenbringen von Fakten aus unterschiedlichen unterstützen daher: jeder Fakt kann einen Konfidenzwert zwischen 0 und 1 erhalten Individuen für YAGO werden aus Wikipedia entnommen die (eindeutigen) Seitentitel in Wikipedia liefern Kandidaten dafür für das YAGO System Klassifikation von Individuen das Kategorien-System von Wikipedia wird genutzt zur Bestimmung der Klasse jedes Individuums vier Arten von Kategorien: konzeptuelle: bestimmen eine Klasse Beispiel: Seite zu Albert Einstein ist in der K. Naturalized citizens of the United States administrative: Beispiel: Seite zu Albert Einstein ist auch in der K. Articles with unsourced statements relationale: z.b births thematische Nähe: z.b. Physics D. Rösner DokV 2013/ D. Rösner DokV 2013/

5 für das YAGO System für das YAGO System der Relation TYPE nur die konzeptuellen Kategorien werden als Kandidaten für Klassen betrachtet relationale und administrative Kategorien können da nur wenige von Hand aussortiert werden der Relation TYPE Wie lassen sich möglichst automatisch konzeptuelle von thematischen Kategorien unterscheiden? Parsen des Bezeichners der Kategorie Beispiel: Naturalized citizens of the United States zerlegt in: Prä-Modifikator: Naturalized Kopf (head): citizens Post-Modifikator: of the United States Heuristik: IF the head of the category name is a plural word THEN the category is most likely a conceptual category D. Rösner DokV 2013/ D. Rösner DokV 2013/ für das YAGO System der Relation SUBCLASSOF nach Ansicht von [SKW07] ist die hierarchische Organisation der Kategorien von Wikipedia für eine Ontologie nicht geeignet (da zu sehr thematisch strukturiert) daher werden nur die Blätter des Kategorien-Graphen verwendet Hierarchie-Information für Klassen wird aus WordNet gewonnen... we use WordNet to establish the hierarchy of classes, because WordNet offers an ontologically well-defined taxonomy of synsets für das YAGO System jedes Synset von WordNet wird zu einer Klasse in YAGO dabei werden allerdings in WordNet vorkommende Eigennamen ausgenommen in ca Fällen gab es Überlappungen zwischen WordNet und Wikipedia d.h. Synset in WordNet enthielt ein oder mehrere Nomen, die auch Bezeichner einer Seite in Wikipedia D. Rösner DokV 2013/ D. Rösner DokV 2013/

6 für das YAGO System für das YAGO System potentielle Konflikte: Time exposure als Nomen in WordNet, aber als Album-Titel und damit als Individuum in Wikipedia Strategie: in Zweifelsfällen erhält WordNet-Info Vorrang (auch wenn ggf. dadurch ein Individuum mit Nomen als Bezeichner verloren geht) zum Aufbau der SUBCLASSOF-Hierarchie wird die Hyponomie-Relation aus WordNet genutzt eine Klasse ist Unterklasse einer anderen, wenn das Synset der ersten ein Hyponym der zweiten ist in diese Hierarchie müssen die Klassen aus Wikipedia geeignet integriert werden D. Rösner DokV 2013/ D. Rösner DokV 2013/ für das YAGO System Autoren nutzen aus, dass Kategorie-Bezeichner in Wikipedia fast ausschliesslich sog. endozentrische Nominalkomposita sind, d.h. der zusammengesetzte Name ist Hyponym seines Kopf-Elements; Beispiel: American person Hyponym von person Gegensatz: sog. exozentrische Nominalkomposita, bei denen der semantische Kopf nicht explizit angegeben Beispiel: lionheart... bezeichnet kein spezielles Herz, sondern eine Person mit metaphorisch einem Herz wie ein Löwe s.a. für das YAGO System aus den (meist mehreren) Synsets zu einem semantischen Kopf wird dasjenige mit der höchsten Frequenz gewählt nur wenige Problemfälle alle Nominalkomposita in Wikipedia mit capital als Kopf bedeuteten Hauptstadt (capital city) häufigstes Synset war aber financial asset D. Rösner DokV 2013/ D. Rösner DokV 2013/

7 für das YAGO System für das YAGO System Algorithmus zur Verknüpfung von Wikipedia-Kategorien mit Klassen aus WordNet Function wiki2wordnet(c) Input: Wikipedia category name c Output: WordNet synset 1 head =headcompound(c) 2 pre =premodifier(c) 3 post =postmodifier(c) 4 head =stem(head) 5 If there is a WordNet synset s for pre + head 6 return s 7 If there are WordNet synsets s1,...sn for head 8 (ordered by their frequency for head) 9 return s1 10 fail Die Relation MEANS aus Synset-Elementen Beispiel: im Synset von city auch metropolis und urban center daher: ( metropolis, MEANS, city) Ausnutzung von sog. redirect -Seiten in Wikipedia Parsen von Personennamen D. Rösner DokV 2013/ D. Rösner DokV 2013/ für das YAGO System für das YAGO System Andere Relationen aus relationalen Kategorien von Wikipedia BORNINYEAR DIEDINYEAR ESTABLISHEDIN LOCATEDIN WRITTENINYEAR POLITICIANOF HASWONPRIZE Meta-Relationen DESCRIBES... zwischen einem Individuum und der URL der zugehörigen Seite EXTRACTEDBY... zwischen einem Fakt und der Technik der CONTEXT... zwischen zwei Individuen, die auf derselben Wikipedia-Seite auftauchen Beispiel: Albert Einstein verknüpft mit Relativity Theory D. Rösner DokV 2013/ D. Rösner DokV 2013/

8 Literatur: I Fabian M. Suchanek, Gjergji Kasneci, and Gerhard Weikum. YAGO: A Core of Semantic Knowledge Unifying WordNet and Wikipedia. In 16th international World Wide Web conference (WWW 2007), New York, NY, USA, ACM Press. D. Rösner DokV 2013/