KAE: Un método basado en propiedades para la alineación y extensión de gráficos de conocimiento

Una solución común al problema de heterogeneidad semántica es llevar a cabo la extensión del gráfico de conocimiento (KG) aprovechando la información codificada en uno o más KG candidatos, donde la alineación entre el KG de referencia y los KG candidatos se considera el procedimiento crítico. Sin embargo, los métodos de alineación de KG existentes dependen principalmente de la coincidencia de etiquetas de tipo de entidad (etype) como requisito previo, lo que tiene un rendimiento deficiente en la práctica o no es aplicable en algunos casos. En este artículo, diseñamos un marco basado en aprendizaje automático para la extensión de KG, incluyendo un enfoque alternativo y novedoso de alineación basado en propiedades que permite alinear etypes en función de las propiedades utilizadas para definirlos. La intuición principal es que son las propiedades las que definen intencionadamente el etype, y esta definición es independiente de la etiqueta específica utilizada para nombrar un etype, y del esquema jerárquico específico de los KG. En comparación con el estado del arte, los resultados experimentales muestran la validez del enfoque de alineación de KG y la superioridad del marco propuesto de extensión de KG, tanto cuantitativa como cualitativamente.