Zu einem Ansatz basierend auf der Wissensgraphenverfeinerung für die Übereinstimmung von Tabellendaten mit Wissensgraphen
{Brice Foko Azanzi Jiomekong}
Abstract
Diese Arbeit präsentiert unseren Beitrag zum Accuracy Track des Semantic Web Challenge-Wettbewerbs zum Matching von Tabellendaten mit Wissensgraphen (SemTab). Unser Beitrag besteht in der Entwicklung eines Ansatzes basierend auf der Verfeinerung von Wissensgraphen zur Annotation tabellarischer Daten. Intern wurden Methoden eingesetzt, um Verbindungen zwischen Zellen in der Tabelle vorherzusagen, während externe Methoden zur Vorhersage fehlender Entitäten und Relationen herangezogen wurden. Der Ansatz wurde auf die Annotation von HardTables und ToughTables unter Verwendung von DBpedia und Wikidata sowie auf GitTables und BiodivTab mit DBpedia und Schema.org angewandt. In Runde 3 des Wettbewerbs erreichten wir jeweils den dritten und zweiten Platz bei der Annotation von GitTables und BiodivTab.
Benchmarks
| Benchmark | Methodik | Metriken |
|---|---|---|
| cell-entity-annotation-on-biodivtab | TSOTSA | F1 (%): 79 |
| column-type-annotation-on-biodivtab | TSOTSA | F1 (%): 76 |
KI mit KI entwickeln
Von der Idee bis zum Start — beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und den besten GPU-Preisen.