ChronoGrapher: построение событийно-ориентированных графов знаний посредством информированного обхода графа

Событийно-ориентированные графы знаний повышают связность данных, которые в противном случае остаются фрагментированными и чрезмерно сложными для восприятия, устанавливая причинно-следственные и временные связи на основе релевантных данных. Мы рассматриваем задачу автоматического построения событийно-ориентированных графов знаний на основе обобщённых графов знаний. Мы представляем ChronoGrapher — двухэтапную систему построения событийно-ориентированного графа знаний по крупным событиям, таким как Французская революция. На первом этапе усечённый семантически информированный поиск по принципу наилучшего выбора извлекает подграф из крупных графов знаний открытой предметной области. Для сокращения пространства поиска мы определяем событийно-ориентированные фильтры и используем эвристическое ранжирование для приоритизации таких узлов, как события. На втором этапе мы объединяем метод обогащения структурированных троек с методом обогащения троек на основе текста для построения событийно-ориентированных графов знаний. ChronoGrapher демонстрирует адаптивность при работе с такими наборами данных, как DBpedia и Wikidata, превосходя подходы, представленные в научной литературе. Кроме того, система разработана с учётом гибкости и может работать с любым графом знаний, доступным через дампы Header, Dictionary и Triples или конечные точки SPARQL. Для оценки полезности построенных графов мы провели предварительное пользовательское исследование, в котором сравнивались различные методы формулирования запросов для событийно-ориентированного ответа на вопросы. Результаты показывают, что запросы, обогащённые тройками из событийно-ориентированного графа знаний, обеспечивают более фактически достоверные ответы, оцениваемые по степени их обоснованности исходной информацией, чем запросы, обогащённые обобщёнными тройками, или базовые запросы, сохраняя при этом краткость и релевантность.