DHGE: デュアルビュー超関係知識グラフ埋め込みによるリンク予測とエンティティタイプ付け

知識グラフ（KG）の表現学習分野において、ハイパーリレーショナル事実は主三項と複数の補助的な属性-値説明から構成され、三項ベースの事実よりも包括的で具体的であると考えられています。しかし、現在利用可能な単一視点のハイパーリレーショナルKG埋め込み手法は、エンティティ間の所属関係を表す階層構造が弱まることから、応用範囲に制限があります。この制約を克服するために、我々はエンティティ用のハイパーリレーショナルインスタンスビューと、エンティティから階層的に抽象化された概念用のハイパーリレーショナルオントロジービューを含む二重視点のハイパーリレーショナルKG構造（DH-KG）を提案します。本論文では初めて、DH-KG上のリンク予測タスクとエンティティタイプ付けタスクを定義し、Wikidataから抽出したJW44K-6Kと医療データに基づくHTDMという2つのDH-KGデータセットを構築しました。さらに、GRANエンコーダー、HGNNs（ヒエラルキー型グラフニューラルネットワーク）、および共同学習に基づいたDH-KG埋め込みモデルであるDHGEを提案します。実験結果によると、DHGEは基準モデルよりもDH-KG上で優れた性能を示しています。最後に、この技術が高血圧症治療にどのように活用できるかの一例を提供します。我々のモデルと新しいデータセットは公開されています。注：「GRAN encoders」、「HGNNs」、「joint learning」などの専門用語については一般的な日本語訳を使用しましたが、「HTDM」や「JW44K-6K」のような固有名称はそのまま使用しています。また、「高血圧症治療」については一般的な医学用語を使用しました。