A Semantic Measure for Outlier Detection in Knowledge Graph
Une mesure sémantique pour la détection de valeurs aberrantes dans un graphe de connaissances
Résumé
Nowadays, there is a growing interest in data mining and information retrieval applications from
Knowledge Graphs (KG). However, the latter (KG) suffers from several data quality problems
such as accuracy, completeness, and different kinds of errors. In DBpedia, there are several issues
related to data quality. Among them, we focus on the following: several entities are in classes
they do not belong to. For instance, the query to get all the entities of the class Person also returns
group entities, whereas these should be in the class Group. We call such entities “outliers.” The
discovery of such outliers is crucial for class learning and understanding. This paper proposes a
new outlier detection method that finds these entities. We define a semantic measure that favors
the real entities of the class (inliers) with positive values while penalizing outliers with negative
values and improving it with the discovery of frequent and rare itemsets. Our measure outperforms
FPOF (Frequent Pattern Outlier Factor) ones. Experiments show the efficiency of our approach.
De nos jours, il existe un intérêt croissant pour les applications d'exploration de données et de
recherche d'informations à partir de graphes de connaissances (KG). Cependant, ces derniers (KG)
souffrent de plusieurs problèmes de qualité de données tels que la précision, la complétude et
différents types d'erreurs. Dans DBpedia, il existe plusieurs problèmes liés à la qualité des données.
Parmi eux, nous nous concentrons sur le suivant: plusieurs entités se trouvent dans des classes
auxquelles elles n'appartiennent pas. Par exemple, la requête pour obtenir toutes les entités de la
classe Person retourne aussi les entités de groupe, tandis que celles-ci devraient être dans la classe
Group. Nous appelons ces entités "outliers". La découverte de ces entités mal classées est cruciale
pour l'apprentissage et la compréhension des classes. Cet article propose une nouvelle méthode de
détection des outliers qui permet de trouver ces entités. Nous définissons une mesure sémantique qui
favorise les entités réelles de la classe (inliers) avec des valeurs positives tout en pénalisant les
outliers avec des valeurs négatives et nous l'améliorons avec la découverte d'itemsets fréquents et
rares. Notre mesure est plus performante que celle du FPOF (Frequent Pattern Outlier Factor).
Les expérimentations prouvent l'efficacité de notre approche.
Domaines
Informatique [cs]| Origine | Fichiers produits par l'(les) auteur(s) |
|---|