إكمال الرسم المعرفي متعدد اللغات من خلال نقل المعرفة المجمّع

تنبؤ الحقائق المفقودة في رسم المعرفة (KG) يُعد مهمة حاسمة في بناء قواعد المعرفة والاستدلال، وقد شكل موضوعًا رئيسيًا في العديد من الدراسات الحديثة التي تعتمد على تمثيلات رسم المعرفة. وعلى الرغم من أن النماذج الحالية لتمثيل رسم المعرفة تركز في المقام الأول على تعلم وتنبؤ الحقائق داخل رسم معرفة واحد، فإن الحل الأقدر على الواقع سيكون مبنيًا على الاستفادة من المعرفة المتوفرة في عدة رسم معرفة مخصصة للغات المختلفة، نظرًا لأن كل رسم معرفة يمتلك مزايا وقيودًا خاصة به فيما يتعلق بجودة البيانات ونطاق التغطية. وتشكل هذه المهمة تحديًا كبيرًا، إذ يُعوق انتقال المعرفة بين عدة رسم معرفة تُدار بشكل مستقل غالبًا بسبب قلة المعلومات المُنسَّقة بينها وعدم اتساق الحقائق المُوصوفة. في هذه الورقة، نقترح KEnS، وهي إطار جديد لتعلم التمثيل ونقل المعرفة المجمعة عبر عدد من رسم المعرفة المخصصة للغات المختلفة. يُمثّل KEnS جميع رسم المعرفة في فضاء تمثيل مشترك، حيث يتم التقاط ارتباط الكيانات بناءً على التعلم الذاتي. ثم يقوم KEnS بإجراء استنتاج مجمّع (ensemble inference) لدمج نتائج التنبؤ الناتجة عن تمثيلات عدة رسم معرفة مخصصة للغات المختلفة، مع استكشاف عدة تقنيات مجمعة لهذا الغرض. أظهرت التجارب على خمسة رسم معرفة حقيقية مخصصة للغات المختلفة أن KEnS يُحسّن باستمرار الطرق الرائدة في مجال إكمال رسم المعرفة، وذلك من خلال التعرف بفعالية على المعرفة المكملة واستغلالها.