×
陈娇艳；胡、潘；埃内斯托·吉梅内兹·鲁伊斯；Ole Magnus霍尔特；丹瓦·安东尼拉贾赫；伊恩·霍洛克斯

OWL2Vec公司*：嵌入OWL本体。 （英语） Zbl 07465656号

机器。学习。 110，第7期，1813-1845（2021）.
摘要：知识图的语义嵌入已被广泛研究，并用于自然语言处理和语义Web等不同领域的预测和统计分析任务。然而，对于开发鲁棒的OWL（Web Ontology Language）本体嵌入方法的关注较少，OWL本体包含了比普通知识图更丰富的语义信息，并且在生物信息学等领域得到了广泛的应用。本文提出了一种基于随机行走和单词嵌入的本体嵌入方法，命名为OWL2Vec公司*，它通过考虑OWL本体的图形结构、词汇信息和逻辑构造器对其语义进行编码。我们使用三个真实数据集进行的实证评估表明OWL2Vec公司*在类成员预测和类包含预测任务中，受益于本体的这三个不同方面。此外，OWL2Vec公司*在我们的实验中，通常明显优于最先进的方法。

MSC公司：

68T05型 人工智能中的学习和自适应系统

关键词：

本体论；本体嵌入；单词嵌入；web本体语言；OWL2Vec公司*；本体完成

软件：

RDF2vec公司；Scikit公司；t-SNE公司；OptiqueVQS公司；DB足；张紧器2传感器；埃尔米特；节点2vec；单词2vec；BERT（误码率）
PDF格式BibTeX公司 XML格式引用
\textit{J.Chen}等人，马赫。学习。110，编号7，1813-1845（2021；Zbl 07465656）
全文： 内政部 arXiv公司

参考文献：

[1] Alshargi，F.、Shekarpour，S.、Soru，T.、Sheth，A.P.（2018年）。本体概念嵌入质量评估指标。
[2] Arora，S.、Liang，Y.、Ma，T.（2019年）。这是一个简单但很难突破的句子嵌入基线。In：ICLR。
[3] 奥尔，S。；比泽尔，C。；Kobilarov，G。；莱曼，J。；Cyganiak，R。；Ives，Z.，DBpedia:开放数据网的核心，语义网，722-735（2007），施普林格·doi:10.1007/978-3-540-76298-0_52
[4] 巴德，F。；霍洛克斯，I。；卢茨，C。；美国萨特勒，《描述逻辑导论》（2017），剑桥大学出版社·Zbl 1373.68002号 ·doi:10.1017/9781139025355
[5] Bechhofer，S.、Van Harmelen，F.、Hendler，J.、Horrocks，I.、McGuinness，D.L.、Patel-Schneider，P.F.、Stein，L.A.等人（2004年）。OWL web本体语言参考。W3C建议10（02）
[6] Y.本吉奥。；科尔维尔，A。；Vincent，P.，《表征学习：回顾与新视角》，IEEE模式分析与机器智能事务，35，8，1798-1828（2013）·doi:10.1109/TPAMI.2013.50
[7] Bordes，A.、Usunier，N.、Garcia-Duran，A.、Weston，J.、Yakhnenko，O.（2013）。转换用于建模多关系数据的嵌入。In:NeurIPS。第2787-2795页。
[8] 陈，J。；陈，X。；霍洛克斯，I。；Myklebact，B。；Jimenez-Ruiz，E.，纠正知识库断言，《网络会议论文集》，2020年，1537-1547（2020）
[9] 陈，J。；Jiménez Ruiz，E。；Horrocks，I.，规范化知识库文字，国际语义网络会议，110-127（2019），Springer
[10] Chen，J.、Jimenez-Ruiz，E.、Horrocks，I.、Antonyrajah，D.、Hadian，A.、Lee，J.（2020）。通过语义嵌入和远程监督增强本体对齐。In：欧洲语义网络会议（ESWC）。
[11] Chen，J.、Lecue，F.、Geng，Y.、Pan，J.Z.、Chen，H.（2020年）。零镜头学习的本体引导语义合成。单位：韩国。
[12] G.O.和联合体。(2008). 2008年的基因本体项目。《核酸研究》，36（补编1），D440-D444。
[13] Devlin，J.、Chang，M.W.、Lee，K.、Toutanova，K.（2019年）。BERT：深度双向变换器的预训练，用于语言理解。包含：NAACL。第4171-4186页。
[14] 杜利，DM；EJ格里菲斯；戈萨尔，GS；巴特吉格，PL；Hoehndorf，R。；Lange，MC，FoodOn:一个统一的食品本体论，以增加全球食品可追溯性、质量控制和数据集成，npj食品科学，2，1，1-10（2018）·doi:10.1038/s41538-018-0032-6
[15] Dragoni，M。；Bailoni，T。；梅蒙，R。；Eccher，C.，HeLis:支持健康生活方式的本体论，国际语义网络会议，53-69（2018），柏林：施普林格，柏林
[16] Garg，D.、Ikbal，S.、Srivastava，S.K.、Vishwakarma，H.、Karanam，H.和Subramaniam，L.V.（2019年）。推理知识的量子嵌入。In:NeurIPS。第5595-5605页。
[17] 格利姆，B。；霍洛克斯，I。；莫蒂克，B。；Stoilos，G。；Wang，Z.，HermiT:一个OWL 2推理器，《自动推理杂志》，53，3，245-269（2014）·Zbl 1314.68280号 ·doi:10.1007/s10817-014-9305-1
[18] Grover，A.和Leskovec，J.（2016）。node2vec：网络的可扩展特性学习。收信人：KDD。第855-864页。
[19] 关，N。；宋，D。；Liao，L.，带概念的知识图嵌入，基于知识的系统，164，38-44（2019）·doi:10.1016/j.knosys.2018.10.008
[20] Hao，B.，Zhu，H.，Paschalidis，I.（2020）。使用生物医学知识库增强临床伯特嵌入。摘自：第28届计算语言学国际会议论文集。第657-661页
[21] Hao，J.、Chen，M.、Yu，W.、Sun，Y.、Wang，W.（2019）。通过联合嵌入实例和本体概念实现知识库的通用表示学习。输入：KDD
[22] Hogan，A.、Blomqvist，E.、Cochez，M.、d'Amato，C.、de Melo，G.、Gutierrez，C.、Gayo，J.E.L.、Kirrane，S.、Neumaier，S.和Polleres，A.等人（2020年）。知识图表。arXiv预打印arXiv:2003.02320
[23] Holter，O.M.、Myklebact，E.B.、Chen，J.、Jimenez-Ruiz，E.（2019年）。将OWL本体嵌入OWL2Vec*。In：国际语义网络会议（海报和演示）。
[24] Horrocks，I.，《本体论和语义网》，《通信ACM》，第51、12、58-67页（2008年）·数字对象标识代码：10.1145/1409360.1409377
[25] Horrocks，I.、Chen，J.、Jaehun，L.（2020年）。本体设计和质量保证的工具支持。In:ICBO 2020综合食品本体研讨会（IFOW）。
[26] Kulmanov，M.、Liu-Wei，W.、Yan，Y.、Hoehndorf，R.（2019年）。EL嵌入：描述逻辑EL++模型的几何构造。In:IJCAI。
[27] Kulmanov，M.、Smaili，F.Z.、Gao，X.和Hoehndorf，R.（2020年）。语义相似性和本体的机器学习。简介（生物信息学）。
[28] Lin，Y.，Liu，Z.，Sun，M.，Liu，Y.，Zhu，X.（2015）。用于完成知识图的学习实体和关系嵌入。输入：AAAI。
[29] 马滕，L。；Hinton，G.，使用t-SNE可视化数据，机器学习研究杂志，92579-2605（2008）·兹比尔1225.68219
[30] Miaschi，A.，Dell’Orletta，F.（2020年）。语境和非文本词语嵌入：一项深入的语言学调查。在NLP表征学习第五次研讨会的会议记录中。第110-119页。
[31] Mikolov，T.、Chen，K.、Corrado，G.、Dean，J.（2013）。向量空间中单词表示的有效估计。arXiv预打印arXiv:1301.3781。
[32] Mikolov，T.、Sutskever，I.、Chen，K.、Corrado，G.S.、Dean，J.（2013）。单词和短语的分布式表示及其组成。In:NeurIPS。第3111-3119页。
[33] Moon，C.、Jones，P.、Samatova，N.F.（2017）。学习实体类型嵌入以完成知识图。输入：CIKM。第2215-2218页。
[34] Myklebact，EB；Jimenez-Ruiz，E。；陈，J。；沃尔夫·R。；Tollefsen，KE，用于生态毒理学效应预测的知识图嵌入，ISWC，490-506（2019），施普林格
[35] Paulheim，H。；Gangemi，A.，《使用DOLCE为DBpedia服务不仅仅是在顶部添加一个樱桃》，国际语义网络会议，180-196年（2015年），斯普林格
[36] 佩德雷戈萨，F。；瓦罗佐，G。；Gramfort，A。；米歇尔，V。；蒂里昂，B。；Grisel，O.，Scikit-learn：《蟒蛇中的机器学习》，《机器学习研究杂志》，第12期，第2825-2830页（2011年）·Zbl 1280.68189号
[37] Peters，M.E.、Neumann，M.、Iyyer，M.和Gardner，M.，Clark，C.、Lee，K.和Zettlemoyer，L.（2018年）。深层语境化的词语表达。NAACL-HLT会议记录。第2227-2237页。
[38] Rajaraman，A.，Ullman，J.D.（2011年）。数据挖掘，第1-17页。剑桥大学出版社doi:10.1017/CBO9781139058452.002
[39] 里斯托斯基，P。；Paulheim，H.，RDF2Vec:用于数据挖掘的RDF图嵌入，ISWC，498-514（2016），Springer
[40] 里斯托斯基，P。；罗萨蒂，J。；Di Noia，T。；塞拉利昂共和国。；Paulheim，H.，RDF2Vec:RDF图嵌入及其应用，语义网，10，4，721-752（2019）·doi:10.3233/SW-180317
[41] Ritchie，A.、Chen，J.、Castro，L.J.、Rebholz-Schhmann，D.、Jiménez-Ruiz，E.（2021）。使用OWL2Vec**进行本体聚类。In:ESWC研讨会DeepOntoNLP。
[42] Rossi，A.、Firmani，D.、Matinata，A.、Merialdo，P.、Barbosa，D.（2020年）。用于链接预测的知识图嵌入：比较分析。arXiv预打印arXiv:2002.00819。
[43] Shervashidze，N.、Schweitzer，P.、Van Leeuwen，E.J.、Mehlhorn，K.和Borgwardt，K.M.（2011）。魏斯费勒-勒曼图核。机器学习研究杂志，12（9）·Zbl 1280.68194号
[44] 斯迈利，FZ；高，X。；Hoehndorf，R.，Onto2vec：基于联合向量的生物实体表示及其基于本体的注释，生物信息学，34，13，i52-i60（2018）·doi:10.1093/bioinformatics/bty259
[45] Smaili，F.Z.、Gao，X.和Hoehndorf，R.（2018）。OPA2Verc：结合生物医学本体论的正式和非正式内容，以改进基于相似性的预测。生物信息学，35（12）。
[46] Soylu，A。；哈拉莫夫，E。；Zheleznyakov，D。；Jiménez-Ruiz，E。；吉泽，M。；Skjveland，MG，OptiqueVQS:行业本体的可视化查询系统，语义网，9，5，627-660（2018）·doi:10.3233/SW-180293
[47] Sun，Z.，Zhang，Q.，Hu，W.，Wang，C.，Chen，M.，Akrami，F.，Li，C.（2020年）。基于嵌入的知识图实体对齐基准研究。arXiv预打印。
[48] Vaswani，A.、Shazeer，N.、Parmar，N.，Uszkoreit，J.、Jones，L.、Gomez，A.N.、Kaiser，Ł。，Polosukhin，I.（2017）。注意力就是你所需要的。主题：神经信息处理系统的进展。第5998-6008页
[49] 王，C。；Yan，M。；Yi，C。；Sha，Y.，捕获语义和句法信息以在知识图中进行链接预测，国际语义网络会议，664-679（2019），Springer
[50] 王，Q。；毛，Z。；王，B。；Guo，L.，《知识图嵌入：方法和应用调查》，IEEE知识与数据工程汇刊，29，12，2724-2743（2017）·doi:10.1109/TKDE.2017.2754499
[51] Wang，X.，Ye，Y.，Gupta，A.（2018）。通过语义嵌入和知识图进行零炮识别。收录：IEEE计算机视觉和模式识别会议记录。第6857-6866页。
[52] Yanardag，P.，Vishwanathan，S.（2015）。深度图形内核。参加：第21届ACM SIGKDD知识发现和数据挖掘国际会议。第1365-1374页。
[53] Yang，B.，Yih，W.t.，He，X.，Gao，J.，Deng，L.（2014）。在知识库中嵌入用于学习和推理的实体和关系。arXiv预打印arXiv:1412.6575
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。