論文筆記整理：葉羣，浙江大學計算機學院，知識圖譜、NLP方向。
會議：ESWC 2020
鏈接：https://suchanek.name/work/publications/eswc-2020-yago.pdf
Introduction
YAGO是世界上最大的鏈接數據庫之一，由德國馬普研究所發佈。在本篇論文中，作者發佈了最新版本的YAGO 4，包含約20億三元組和6400萬實體，融合了schema.org規範的分類體系和Wikidata豐富的實例數據。
Wikidata被認爲是世界上最大的知識庫之一，包括了超過7000萬實體。與此同時，Wikidata社區對自己的定位是信息的集合，而不是我們傳統意義上的“知識”。Wikidata沒有嚴格的語義約束，且存在一些不同來源的自相矛盾的描述。對於下游應用來說，Wikidata的分類體系過於複雜和令人費解；經典的推理機無法在Wikidata知識庫上進行推理，因爲其本身存在很多不一致性。
舉個例子闡述Wikidata的分類體系存在的問題，實體“布達拉宮”是“touristattraction”的一個實例，而“tourist attraction”是“geographic object”的子類，“geographic object”是“geometric concept”的實例，而“geometric concept”是“mathematical concepts”的子類。所以當你在Wikidata搜索“mathematical concepts”，返回的結果有張量，多邊形, … ,以及布達拉宮。
在YAGO 4中，作者採用schema.org簡單且清晰的分類體系來取代Wikidata複雜且費解的分類體系。因此，YAGO 4是一個邏輯一致的知識庫，可以進行基於OWL的推理。
Design
YAGO 4的建立是基於5個主要的設計思路，在這裏依次闡述。
1.Concise Taxonomy
Wikidata擁有一個非常龐大的分類體系，其類別層級結構過深且混亂。同時，分類體系存在不穩定性，任何貢獻者都可以在兩個類別之間添加或刪除“subclassOf”關係，即一次編輯就可能導致上百萬個實體分類結果不同。另一方面，schema.org的分類體系穩定，維護良好，由W3C Schema.org Community Group維護。但是，schema.org的分類體系中缺少一些細粒度的類別和生物化學相關的類別。爲了解決這個問題，作者手工融入了Bioschemas，一個在生命科學領域的分類體系。關於細粒度類別缺失的問題，對於top-level的類別，作者選取schema.org的類別；對於leaf-level的類別（即細粒度的類別），選取Wikidata中的類別。對於Wikidata中實例數量小於10的類別，部分類別的子類以及不符約束的類別，進行丟棄。原始的Wikidata中有240萬個類別，經過清洗保留了10k個類別。
2.Legible Entities and Relations
YAGO 4以RDF格式存儲。與Wikidata不同，採用了可讀性更高的方式來進行URI的命名。若實體有相應的維基百科頁面，以維基百科頁面標題作爲URI。若無維基百科頁面，以該實體的英文標籤和Wikidata標識符作爲URI。若無英文標籤，即以Wikidata標識符作爲URI。
3.Well-typed Values
YAGO 4對於literal也進行了處理，使之更爲規範化。比如，對於日期值，轉換成xsd:dateTime, xsd:date, xsd:gYearMonth或者xsd:gYear。
4.Semantic Constraints
YAGO 4採取了一系列的語義限制，使得可以在知識庫上進行邏輯推理。語義限制利用結構性約束語言（SHACL）和OWL進行建模。語義限制主要包括以下5類：Disjointness：類別之間存在互斥性；Domainand Range：每一個關係都有相應的定義域和值域；Functional Constraints：對於一個特定的關係和subject，只能有一個object；Cardinality Constraints，即限制object的最大數量。
5.Annotations for Temporal Scope
YAGO 4 對於其中的三元組添加了時間信息，通過添加schema:startDate和schema:endDate進行限制。
Knowledge Base
作者設計了一個系統，從Wikidatadump和語義限制自動構建YAGO 4，採用Rust語言編寫。YAGO 4 有 3 種版本：
1）Full：採用了Wikidata中所有數據；
2）Wikipedia：包括Wikidata中所有存在維基百科頁面的實例；
3）EnglishWikipedia：包括Wikidata中所有存在英文維基百科頁面的實例。統計情況如下表所示：
YAGO的網站：http://yago-knowledge.org/
YAGO 4的源代碼：https://github.com/yago-naga/yago4
YAGO 4的SPARQL Endpoint：http://yago-knowledge.org/sparql/query
YAGO 4的Browser：YAGO 4在其網站的首頁提供了圖像化的瀏覽界面，其界面如下圖所示：
YAGO 4的應用：YAGO之前已經成功地應用在了多個項目中，包括問答，實體識別，語義分析等。YAGO 4知識庫可以進行邏輯推理，這將爲很多新的應用提供可能。作者在YAGO 4上嘗試了HermiT推理機，證明了其邏輯一致性。
Conclusion
本文闡述了YAGO的最新版本YAGO 4的特點和建立過程。YAGO 4的優勢在於結合了Wikidata海量的知識和schema.org規範化的分類體系，且在其上可以進行邏輯推理。
OpenKG
開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數據的開放與互聯，促進知識圖譜和語義技術的普及和廣泛應用。
點擊閱讀原文，進入 OpenKG 博客。