Computing Semantic Similarity of Concepts in Knowledge Graphs

Zhu, Ganggao y Iglesias Fernandez, Carlos Angel (2016). Computing Semantic Similarity of Concepts in Knowledge Graphs. "IEEE Transactions on Knowledge And Data Engineering", v. 28 (n. 99); ISSN 1041-4347. https://doi.org/10.1109/TKDE.2016.2610428.

Descripción

Título: Computing Semantic Similarity of Concepts in Knowledge Graphs
Autor/es:
  • Zhu, Ganggao
  • Iglesias Fernandez, Carlos Angel
Tipo de Documento: Artículo
Título de Revista/Publicación: IEEE Transactions on Knowledge And Data Engineering
Fecha: 21 Septiembre 2016
Volumen: 28
Materias:
Escuela: E.T.S.I. Telecomunicación (UPM)
Departamento: Ingeniería de Sistemas Telemáticos [hasta 2014]
Licencias Creative Commons: Ninguna

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (387kB) | Vista Previa

Resumen

This paper presents a method for measuring the semantic similarity between concepts in Knowledge Graphs (KGs) such as WordNet and DBpedia. Previous work on semantic similarity methods have focused on either the structure of the semantic network between concepts (e.g., path length and depth), or only on the Information Content (IC) of concepts. We propose a semantic similarity method, namely wpath, to combine these two approaches, using IC to weight the shortest path length between concepts. Conventional corpus-based IC is computed from the distributions of concepts over textual corpus, which is required to prepare a domain corpus containing annotated concepts and has high computational cost. As instances are already extracted from textual corpus and annotated by concepts in KGs, graph-based IC is proposed to compute IC based on the distributions of concepts over instances. Through experiments performed on well known word similarity datasets, we show that the wpath semantic similarity method has produced a statistically significant improvement over other semantic similarity methods. Moreover, in a real category classification evaluation, the wpath method has shown the best performance in terms of accuracy and F score.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaTEC2015-68284-RSEMOLAUniversidad Politécnica de MadridTecnologías de análisis de sentimientos y emociones para agentes sociales empáticos en inteligencia ambiental
Gobierno de EspañaRTC-2016-5053-7EmoSpacesINNOVATI NETWORKS SLSin especificar
Comunidad de MadridS2013/ICE-‐3019MOSI-AGIL-CMIglesias Fernández, Carlos ÁngelModelado social de inteligencia ambiental aplicado a grandes instalaciones
FP7296277EUROSENTIMENTPARADIGMA TECNOLOGICO SLLanguage Resource Pool for Sentiment Analysis in European Languages
Horizonte 2020141111MixedEmotionsUniversidad Politécnica de MadridSocial Semantic Emotion Analysis for Innovative Multilingual Big Data Analytics Markets

Más información

ID de Registro: 43462
Identificador DC: http://oa.upm.es/43462/
Identificador OAI: oai:oa.upm.es:43462
Identificador DOI: 10.1109/TKDE.2016.2610428
URL Oficial: http://ieeexplore.ieee.org/document/7572993/
Depositado por: Alvaro Carrera Barroso
Depositado el: 06 Oct 2016 07:59
Ultima Modificación: 06 Oct 2016 08:06
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM