オントロジーの論理構造と語彙情報を考慮した概念包含のための埋め込み学習

抄録

ナレッジグラフに対して様々な埋め込みモデルが提案されているが，それはオントロジーからの包含関係などの予測を強化できない．そこで近年，オントロジーの語彙情報を活用したり，論理構造を図形的に解釈して埋め込み学習を行う手法が提案されてきた．しかし，それらの埋め込み手法のほとんどは論理構造といっしょにオントロジーの語彙情報を学習に使用していない．そこで本研究では，オントロジーの語彙情報を取り入れながら論理構造を捉えた埋め込みモデルを提案する．提案手法では，HAKEの階層ラジカル座標によってRotatEの複素埋め込みを拡張しつつ，語彙情報から学習したベクトルで各エンティティの埋め込みを初期化する．評価実験では，ベンチマークオントロジーFoodOn，GO，HeLiSを用いた概念包含の予測タスクにおいて提案手法が既存の手法を上回り，語彙情報と論理構造を同時に考慮することの有効性を示す．