(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023144408
(43)【公開日】2023-10-11
(54)【発明の名称】情報処理装置、情報処理方法、及びプログラム
(51)【国際特許分類】
G06N 5/02 20230101AFI20231003BHJP
G06F 16/90 20190101ALI20231003BHJP
【ＦＩ】
G06N5/02
G06F16/90 100
【審査請求】未請求
【請求項の数】6
【出願形態】ＯＬ
(21)【出願番号】P 2022051365
(22)【出願日】2022-03-28
(71)【出願人】
【識別番号】000208891
【氏名又は名称】ＫＤＤＩ株式会社
(74)【代理人】
【識別番号】100166006
【弁理士】
【氏名又は名称】泉 通博
(74)【代理人】
【識別番号】100154070
【弁理士】
【氏名又は名称】久恒 京範
(74)【代理人】
【識別番号】100153280
【弁理士】
【氏名又は名称】寺川 賢祐
(72)【発明者】
【氏名】黒川 茂莉
(72)【発明者】
【氏名】米川 慧
(72)【発明者】
【氏名】春田 秀一郎
【テーマコード（参考）】
5B175
【Ｆターム（参考）】
5B175EA01
(57)【要約】
【課題】知識アラインメントとリンク予測のバランスをとる技術を提供する。
【解決手段】グラフ関係取得部３６は、２つの異なる知識グラフのうち一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する。正例選択部は３３、同値関係情報に含まれるノードを正例として選択する。ベクトル更新部３７は、正例に割り当てられたベクトル、及びノード間関係情報に関する評価関数に基づいてベクトルを更新する。
【選択図】図３
【解決手段】グラフ関係取得部３６は、２つの異なる知識グラフのうち一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する。正例選択部は３３、同値関係情報に含まれるノードを正例として選択する。ベクトル更新部３７は、正例に割り当てられたベクトル、及びノード間関係情報に関する評価関数に基づいてベクトルを更新する。
【選択図】図３
【特許請求の範囲】
【請求項1】
異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得する知識グラフ取得部と、
前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるベクトル割当部と、
前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する組抽出部と、
前記組抽出部が抽出した複数の組それぞれを１つの正例として選択する正例選択部と、
前記知識グラフ取得部が取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するグラフ関係取得部と、
前記正例に割り当てられたベクトル、及び前記ノード間関係情報に関する評価関数に基づいて、前記ベクトル割当部が割り当てたベクトルを更新するベクトル更新部と、を備える、
情報処理装置。
前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるベクトル割当部と、
前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する組抽出部と、
前記組抽出部が抽出した複数の組それぞれを１つの正例として選択する正例選択部と、
前記知識グラフ取得部が取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するグラフ関係取得部と、
前記正例に割り当てられたベクトル、及び前記ノード間関係情報に関する評価関数に基づいて、前記ベクトル割当部が割り当てたベクトルを更新するベクトル更新部と、を備える、
情報処理装置。
【請求項2】
前記評価関数は、前記正例選択部が選択した正例である前記組に対し、前記第１ノードに割り当てられたベクトルに前記エッジに割り当てられたベクトルを加算したベクトルと前記第２ノードに割り当てられたベクトルとの差分ベクトルのノルムとして設定されている、
請求項１に記載の情報処理装置。
請求項１に記載の情報処理装置。
【請求項3】
前記評価関数は、前記ノード間関係情報に含まれる前記複数の観点それぞれに登場するノードついて、一方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布と、他方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布との分布間の類似度が大きくなるほど小さくなるように設定されており、
前記ベクトル更新部は、前記評価関数が小さくなるように前記ベクトル割当部が割り当てたベクトルを更新する、
請求項１又は２に記載の情報処理装置。
前記ベクトル更新部は、前記評価関数が小さくなるように前記ベクトル割当部が割り当てたベクトルを更新する、
請求項１又は２に記載の情報処理装置。
【請求項4】
前記ベクトル更新部は、
前記組に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新し、
前記組に由来する評価関数による更新が収束した後、前記ノード間関係情報に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新する、
請求項１から３のいずれか１項に記載の情報処理装置。
前記組に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新し、
前記組に由来する評価関数による更新が収束した後、前記ノード間関係情報に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新する、
請求項１から３のいずれか１項に記載の情報処理装置。
【請求項5】
プロセッサが、
異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得するステップと、
取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるステップと、
取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出するステップと、
抽出した複数の前記組それぞれを１つの正例として選択するステップと、
取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するステップと、
前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新するステップと、を実行する、
情報処理方法。
異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得するステップと、
取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるステップと、
取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出するステップと、
抽出した複数の前記組それぞれを１つの正例として選択するステップと、
取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するステップと、
前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新するステップと、を実行する、
情報処理方法。
【請求項6】
コンピュータに、
異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得する機能と、
取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てる機能と、
取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する機能と、
抽出した複数の前記組それぞれを１つの正例として選択する機能と、
取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する機能と、
前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新する機能と、を実現させる、
プログラム。
異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得する機能と、
取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てる機能と、
取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する機能と、
抽出した複数の前記組それぞれを１つの正例として選択する機能と、
取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する機能と、
前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新する機能と、を実現させる、
プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は情報処理装置、情報処理方法、及びプログラムに関し、特に、ベクトルを用いて知識グラフを表現する技術に関する。
【背景技術】
【0002】
異なるノード間をエッジで接続して構成されるグラフが知られている。グラフのうち、知識グラフは、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである。１つの知識グラフを元に実体と関係とを低次元のベクトルで表現し、ベクトル演算に基づいて当該グラフに関係する未知の事実の確からしさを評価することで事実を補完する技術が知られている（非特許文献１）。
【0003】
また、複数の知識グラフを用いて、一部の実体間の同値関係を入力として、一方の知識グラフから他方の知識グラフに関係する事実を補完する技術も知られている（非特許文献２）。さらに、複数の知識グラフを用いて、一部の実体間の同値関係を入力として、他の実体間の同値関係又は類似関係を導出する技術も知られている（非特許文献３）。
【先行技術文献】
【非特許文献】
【0004】
【非特許文献1】Bordes, A., Usunier, N., Garcia-Duran, A., Weston, J., and Yakhnenko, O, “Translating embeddings for modeling multi-relational data,” In Advances in neural information processing systems, 2013.
【非特許文献2】Zhu, H., Xie, R., Liu, Z., and Sun, M., “Iterative Entity Alignment via Joint Knowledge Embeddings,” In Proceedings of the 26th International Joint Conference on Artificial Intelligence (IJCAI), 2017.
【非特許文献3】Sun, Z., Hu, W., Zhang, Q., and Qu, Y., “Bootstrapping Entity Alignment with Knowledge Graph Embedding,” In Proceedings of the 27th International Joint Conference on Artificial Intelligence (IJCAI), 2018.
【発明の概要】
【発明が解決しようとする課題】
【0005】
知識グラフを構成する実体や関係にベクトルを割り当てることは、これらの関係をベクトルの次元と同等の空間に埋め込むことに相当する。上記の技術は、それぞれの知識グラフに含まれる知識を補完し合うことで知識アラインメントの精度を高めた結果埋め込み空間を歪めることになり、リンク予測の精度が必ずしも向上しない場合がある。
【0006】
本発明はこれらの点に鑑みてなされたものであり、知識アラインメントとリンク予測のバランスをとる技術を提供することを目的とする。
【課題を解決するための手段】
【0007】
本発明の第１の態様は、情報処理装置である。この装置は、異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得する知識グラフ取得部と、前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるベクトル割当部と、前記知識グラフ取得部が取得した２つの異なる知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する組抽出部と、前記組抽出部が抽出した複数の組それぞれを１つの正例として選択する正例選択部と、前記知識グラフ取得部が取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するグラフ関係取得部と、前記正例に割り当てられたベクトル、及び前記ノード間関係情報に関する評価関数に基づいて、前記ベクトル割当部が割り当てたベクトルを更新するベクトル更新部と、を備える。
【0008】
前記評価関数は、前記正例選択部が選択した正例である前記組に対し、前記第１ノードに割り当てられたベクトルに前記エッジに割り当てられたベクトルを加算したベクトルと前記第２ノードに割り当てられたベクトルとの差分ベクトルのノルムとして設定されてもよい。
【0009】
前記評価関数は、前記ノード間関係情報に含まれる前記複数の観点それぞれに登場するノードついて、一方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布と、他方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布との分布間の類似度が大きくなるほど小さくなるように設定されていてもよく、前記ベクトル更新部は、前記評価関数が小さくなるように前記ベクトル割当部が割り当てたベクトルを更新してもよい。
【0010】
前記ベクトル更新部は、前記組に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新してもよく、前記組に由来する評価関数による更新が収束した後、前記ノード間関係情報に由来する評価関数の勾配に基づく反復処理によって前記ベクトルを更新してもよい。
【0011】
本発明の第２の態様は、情報処理方法である。この方法において、プロセッサが、異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得するステップと、取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てるステップと、取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出するステップと、抽出した複数の前記組それぞれを１つの正例として選択するステップと、取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得するステップと、前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新するステップと、を実行する。
【0012】
本発明の第３の態様は、プログラムである。このプログラムは、コンピュータに、異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである知識グラフを取得する機能と、取得した２つの異なる前記知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てる機能と、取得した２つの異なる前記知識グラフそれぞれについて、第１ノードと、前記第１ノードを始点として第２ノードを終点とするエッジと、前記第２ノードとの３つの要素から構成される組を抽出する機能と、抽出した複数の前記組それぞれを１つの正例として選択する機能と、取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する機能と、前記正例に割り当てられたベクトル及び前記ノード間関係情報に関する評価関数に基づいて、割り当てた前記ベクトルを更新する機能と、を実現させる。
【0013】
このプログラムを提供するため、あるいはプログラムの一部をアップデートするために、このプログラムを記録したコンピュータ読み取り可能な記録媒体が提供されてもよく、また、このプログラムが通信回線で伝送されてもよい。
【0014】
なお、以上の構成要素の任意の組み合わせ、本発明の表現を方法、装置、システム、コンピュータプログラム、データ構造、記録媒体などの間で変換したものもまた、本発明の態様として有効である。
【発明の効果】
【0015】
本発明によれば、知識アラインメントとリンク予測のバランスをとる技術を提供することができる。
【図面の簡単な説明】
【0016】
【図1】実施の形態に係る情報処理装置が処理対象とする知識グラフの一例を模式的に示す図である。
【図2】知識グラフにおける実体と知識グラフにおける実体との間の関係を表形式で示す図である。
【図3】実施の形態に係る情報処理装置の機能構成を模式的に示す図である。
【図4】実施の形態に係る評価関数を説明するための図である。
【図5】実施の形態に係る情報処理装置が実行する情報処理の流れを説明するためのフローチャートである。
【発明を実施するための形態】
【0017】
【0018】
図１（ａ）－（ｃ）は、実施の形態の概要を説明するための図であり、実施の形態に係る情報処理装置が処理対象とする知識グラフの一例を模式的に示す図である。具体的には、図１（ａ）は、知識グラフＲの構造と、知識グラフＲとは異なる知識グラフＳの構造、及び知識グラフＲの実体と知識グラフＳの実体との間の先見情報が示す関係を示す図であり、図１（ｂ）は知識グラフＲのノード及び関係を表形式で示す図であり、図１（ｃ）は知識グラフＳのノード及び関係を表形式で示す図である。
【0019】
図１（ａ）において、ノードｅ１、ノードＡ、ノードＢ、ノードＣ、ノードｆ、及びノードＸは、知識グラフＲにおける実体を示す。また、知識グラフＲにおける異なるノードを接続する矢印は、知識グラフＲにおける実体間の関係を示している。図１（ｂ）に示すように、ノードｅ１はあるテレビ番組（番組１）を示しており、ノードＡ、ノードＢ、及びノードＣはその番組の出演者（俳優Ａ、俳優Ｂ、及び俳優Ｃ）を示している。また、ノードｆは、その番組が映画のカテゴリに属すことを示しており、ノードＸはその映画の制作者である監督Ｘを示している。したがって、図１（ａ）において、ノードｅ１からノードＡ、ノードＢ、及びノードＣに向かって接続するエッジは、「出演」の関係を示しており、ノードｅ１からノードｆに向かって接続するエッジは「カテゴリ」の関係を示している。また、ノードＸからノードｅ１に向かって接続するエッジは「制作」の関係を示している。
【0020】
同様に、図１（ａ）において、ノードｅ２、ノードα、ノードβ、ノードγ、ノードＤ、及びノードｆは、知識グラフＳにおける実体を示す。図１（ｃ）に示すように、ノードｅ２もあるテレビ番組（番組２）を示しており、ノードα、ノードβ、ノードγ、及びノードＤはその番組の出演者（俳優α、俳優β、俳優γ、及び俳優Ｄ）を示している。また、ノードｆは、その番組が映画のカテゴリに属すことを示している。したがって、図１（ａ）において、ノードｅ２からノードα、ノードβ、ノードγ、及びノードＤに向かって接続するエッジは、「出演」の関係を示しており、ノードｅ２からノードｆに向かって接続するエッジは「カテゴリ」の関係を示している。
【0021】
知識グラフＲと知識グラフＳとは異なる知識グラフであるが、知識グラフＲにおける実体と知識グラフＳにおける実体との間のいくつか異なる観点からの関係が先見情報として得られており、図１においてそれぞれ破線、一点鎖線、及び二点鎖線で示されている。
【0022】
図２は、図１（ａ）に示す知識グラフＲにおける実体と知識グラフＳにおける実体との間の関係を表形式で示す図である。図２は、知識グラフＲにおける実体と知識グラフＳにおける実体との間に観点１から観点３までの３つの異なる観点における関係が先見情報として得られている場合の例を示している。具体的には、観点１は、俳優の属性データに関する先見情報であり、俳優Ａと俳優αとがともに日本国籍の男性である点で関係づけられている。また、観点２は俳優同士の共演関係に関する先見情報であり、俳優Ａと俳優β、俳優Ｂと俳優γ、及び俳優Ｃと俳優αとが共演したことがあるという点で関係づけられている。さらに、観点３は、俳優同士の同値関係（俳優が同一人物であるという関係）に関する先見情報であり、番組１に出演した俳優Ａと番組２に出演した俳優αとが同一人物であり、番組１に出演した俳優Ｂと番組２に出演した俳優Ｄとが同一人物であることを示している。
【0023】
また、上記以外の観点のバリエーションとして、外部の知識グラフＥ（不図示）があり、知識グラフＥと知識グラフＲの間、知識グラフＥと知識グラフＳの間それぞれに実体間の同値関係が定義されており、さらに、知識グラフＲの実体と知識グラフＳの実体とが知識グラフＥ上の関係の連鎖を介して接続されていることを関係の先見情報とみなしてもよい。この際、知識グラフＥ上の関係の連鎖パターン毎に別々の観点とみなしてもよい。
【0024】
実施の形態に係る情報処理装置は、まず、知識グラフＲを構成する各ノード及び各エッジにそれぞれ初期ベクトルを割り当てる。同様に、実施の形態に係る情報処理装置は、知識グラフＳを構成する各ノード及び各エッジにも、それぞれ初期ベクトルを割り当てる。限定はしないが、一例として、情報処理装置が各知識グラフに割り当てるベクトルの次元は２００次元程度である。
【0025】
続いて、実施の形態に係る情報処理装置は、各知識グラフそれぞれに含まれるノード同士の接続関係、及び先見情報が与えられているベクトルの観点毎の分布間の類似度に関する価関数を設定する。詳細は後述するが、実施の形態に係る情報処理装置が設定する評価関数は、あるノードＨとあるノードＴとがエッジＲによって接続されているとき、ノードＨに割り当てられたベクトルとエッジＲに割り当てられたベクトルとの和が、ノードＴに割り当てられたベクトルと近いほど小さくなるような項を含んでいる。これは、リンク予測に関する評価項目に対応する。
【0026】
また、任意のベクトルは、ベクトルの要素と同じ次元の空間における一点として表すことができる。実施の形態に係る情報処理装置は、ある観点が与えられているノードに割り当てられたベクトルに対応する点の分布をそれぞれの知識グラフについて求める。実施の形態に係る情報処理装置が設定する評価関数は、これらの分布間の類似度が大きくなるほど（すなわち、分布が類似するほど）小さくなるような項を含んでいる。分布を類似させることにより、知識グラフ間で知識が共有されやすくすることが期待できる。したがって、これは、知識アラインメントに関する評価項目に対応する。
【0027】
実施の形態に係る情報処理装置は、知識アラインメントとリンク予測とを同一の評価関数で評価できるので、評価関数を最適化することで知識アラインメントとリンク予測のバランスをとることができる。
【0028】
＜実施の形態に係る情報処理装置１の機能構成＞
図３は、実施の形態に係る情報処理装置１の機能構成を模式的に示す図である。情報処理装置１は、記憶部２と制御部３とを備える。図３において、矢印は主なデータの流れを示しており、図３に示していないデータの流れがあってもよい。図３において、各機能ブロックはハードウェア（装置）単位の構成ではなく、機能単位の構成を示している。そのため、図３に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
図３は、実施の形態に係る情報処理装置１の機能構成を模式的に示す図である。情報処理装置１は、記憶部２と制御部３とを備える。図３において、矢印は主なデータの流れを示しており、図３に示していないデータの流れがあってもよい。図３において、各機能ブロックはハードウェア（装置）単位の構成ではなく、機能単位の構成を示している。そのため、図３に示す機能ブロックは単一の装置内に実装されてもよく、あるいは複数の装置内に分かれて実装されてもよい。機能ブロック間のデータの授受は、データバス、ネットワーク、可搬記憶媒体等、任意の手段を介して行われてもよい。
【0029】
記憶部２は、情報処理装置１を実現するコンピュータのＢＩＯＳ（Basic Input Output System）等を格納するＲＯＭ（Read Only Memory）や情報処理装置１の作業領域となるＲＡＭ（Random Access Memory）、ＯＳ（Operating System）やアプリケーションプログラム、当該アプリケーションプログラムの実行時に参照される種々の情報を格納するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）等の大容量記憶装置である。
【0030】
制御部３は、情報処理装置１のＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）等のプロセッサであり、記憶部２に記憶されたプログラムを実行することによって知識グラフ取得部３０、ベクトル割当部３１、組抽出部３２、正例選択部３３、グラフ関係取得部３６、及びベクトル更新部３７として機能する。
【0031】
なお、図３は、情報処理装置１が単一の装置で構成されている場合の例を示している。しかしながら、情報処理装置１は、例えばクラウドコンピューティングシステムのように複数のプロセッサやメモリ等の計算リソースによって実現されてもよい。この場合、制御部３を構成する各部は、複数の異なるプロセッサの中の少なくともいずれかのプロセッサがプログラムを実行することによって実現される。
【0032】
知識グラフ取得部３０は、知識グラフを取得する。ここで知識グラフ取得部３０が取得する知識グラフは、異なるノード間をエッジで接続して構成されるグラフであって、各ノードに実体を割り当てるとともに各ノード間の関係をエッジに割り当てたグラフである。知識グラフ取得部３０は、２つの異なる知識グラフを取得する。
【0033】
ベクトル割当部３１は、知識グラフ取得部３０が取得した２つの異なる知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てる。限定はしないが、ベクトル割当部３１は、知識グラフ取得部３０が取得した知識グラフを構成する各ノード及び各エッジに、乱数を用いて初期ベクトルを割り当てる。ベクトルの次元は、例えば２００次元である。
【0034】
組抽出部３２は、知識グラフ取得部３０が取得した２つの異なる知識グラフそれぞれについて、第１ノードと、第１ノードを始点として第２ノードを終点とするエッジと、第２ノードとの３つの要素から構成される組を抽出する。
【0035】
図３は、実施の形態に係る組抽出部３２が抽出する組の一例を表形式で示す模式図である。具体的には、知識グラフ取得部３０が図１に示す２つの知識グラフ（知識グラフＲ及び知識グラフＳ）を取得した場合に、組抽出部３２が抽出した組の一例を示す図である。
【0036】
例えば、図１に示す知識グラフＲにおいて、ノードｅ１を始点としてノードＢに向かう関係Ｒ１が定義されている。この場合、組抽出部３２は、第１ノードとしてノードｅ１、第２ノードとしてＢ、第１ノードｅ１を始点として第２ノードＢを終点とするエッジとして関係Ｒ１を１つの組として抽出する。
【0037】
また、図１に示す知識グラフＳにおいて、ノードｅ２を始点としてノードｆに向かう関係Ｒ３が定義されている。この場合、組抽出部３２は、第１ノードとしてノードｅ２、第２ノードとしてｆ、第１ノードｅ２を始点として第２ノードｆを終点とするエッジとして関係Ｒ３を１つの組として抽出する。以下同様である。
【0038】
このように、組抽出部３２は、知識グラフ取得部３０が取得した知識グラフＲと知識グラフＳとのそれぞれについて、各ノード間の関係に基づいて個別に組を抽出する。
【0039】
正例選択部３３は、組抽出部３２が抽出した複数の組それぞれを１つの正例として選択する。ここで、正例選択部３３が選択する「正例」とは、組を構成するノード及びエッジの関係が正しいことを意味する。
【0040】
グラフ関係取得部３６は、知識グラフ取得部３０が取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すノード間関係情報を取得する。
【0041】
上述したとおり、図２は、図１（ａ）に示す知識グラフＲにおける実体と知識グラフＳにおける実体との間の関係を示すノード間関係情報の一例を表形式で示す図である。図２に示すノード間関係情報は一例であり、一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の関係性を示す先見情報があればノード間関係情報となりうる。
【0042】
ベクトル更新部３７は、正例に割り当てられたベクトル、及びノード間関係情報に関する評価関数に基づいて、ベクトル割当部３１が割り当てたベクトルを更新する。
【0043】
実施の形態に係るベクトル更新部３７が参照する評価関数Ｌは、以下の式（１）で表される。
【0044】
【数1】
【0045】
式（１）において、右辺第１項は、２つの知識グラフのうちの一方の知識グラフの構造、すなわち上述したリンク予測に関する項である。また右辺第２項は、２つの知識グラフのうちの他方の知識グラフのリンク予測に関する項である。右辺第３項は、ノード間関係情報に関する項であり、上述した知識アラインメントに関する項である。右辺第３項におけるΣのインデックスであるｐはノード間の関係性の種類を示す。例えば、図２に示すノード間関係情報の例では、観点１～観点３までの３種類ノード間関係情報があるため、ｐは１から３までの値を動く。
【0046】
式（１）に示す評価関数Ｌの右辺第１項は以下の式（２）で表される。
【0047】
【数2】
【0048】
式（２）において、正例選択部３３が選択した正例の組に対し、ｈ１は第１ノードに割り当てられたベクトル、ｒ１はエッジの関係に割り当てられたベクトル、ｔ１は第２ノードに割り当てられたベクトルであり、｜ｈ１＋ｒ１―ｔ１｜は、第１ノードに割り当てられたベクトルにエッジに割り当てられたベクトルを加算したベクトルと第２ノードに割り当てられたベクトルとの差分ベクトルのノルムとなる。なお、評価関数Ｌ１は正例のみならず、負例も考慮して評価してもよい。
【0049】
式（１）に示す評価関数Ｌの右辺第２項は以下の式（３）で表される。
【0050】
【数3】
【0051】
式（３）右辺においてｈ２、ｒ２及びｔ２の添え字の「２」は、２つの知識グラフのうちの他方の知識グラフであることを示している。それ以外は式（２）と同様である。式（１）に示す評価関数Ｌの右辺第１項Ｌ１及び右辺第２項Ｌ２とはともに、その値が小さいほど、知識グラフの構造をベクトルで表現できていることになる。
【0052】
式（１）に示す評価関数Ｌの右辺第３項は以下の式（４）で表される。
【0053】
【数4】
【0054】
式（４）の右辺において、Ｑｐ
１は２つの知識グラフのうち一方の知識グラフにおいて観点Ｐが与えられているノードに対応する点の分布を表し、Ｑｐ
２は２つの知識グラフのうち他方の知識グラフにおいて観点Ｐが与えられているノードに対応する点の分布を表す。また、Ｓｉｍ（Ａ，Ｂ）は、２つの空間のうちの一方の空間における分布Ａと他方の空間における分布Ｂとの間の分布間の類似度を反映する関数であり、例えば既知のカルバック・ライブラー・ダイバージェンス、輸送距離、正準相関分析、ペアワイズのユークリッド距離の平均値等である。
【0055】
図４（ａ）－（ｂ）は、評価関数Ｌの右辺第３項Ｌ３を説明するための図である。具体的には、図４（ａ）は図１に示す知識グラフＲのノード及び知識グラフＳのノードに割り当てられたベクトルを表形式で示す図であり、図４（ｂ）はベクトルを空間上の１点に対応づけたときのベクトルに対応する点の集合を示す模式図である。
【0056】
上述したように、各ノードに割り当てられるベクトルの次元数は例えば２００である。この場合、ノードに割り当てられたベクトルは２００次元空間の１点に対応づけられることになるが、図示の都合上、図４（ｂ）では便宜的に２次元空間上の点として図示している。なお、図２は各観点について２つ又は３つのノードに関するノード間関係情報が与えられている場合の例を示している。この場合、図４（ｂ）に示す点の集合も２点又は３点となるが、一般にはノード間関係情報が与えられるノードの数は２以上で点の集合として分布を形成する。評価関数Ｌの右辺第３項Ｌ３は、ノード間関係情報に含まれる複数の観点それぞれに登場するノードついて、一方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布と、他方の知識グラフに含まれるノードに割り当てられたベクトルに対応する点の分布との分布間の類似度が大きくなるほど小さくなる。
【0057】
ベクトル更新部３７は、評価関数Ｌが小さくなるようにベクトル割当部３１が割り当てたベクトルを更新する。これにより、ベクトル更新部３７は、知識グラフをベクトルで表現するリンク予測と、ノード間関係情報に基づく知識アラインメントとのバランスをとることができる。
【0058】
ここで、ベクトル更新部３７は、式（１）に示す評価関数Ｌの勾配に基づく反復処理によって、評価関数Ｌが小さくなるように、ベクトル割当部３１割り当てたベクトルを段階的に更新してもよい。また、ベクトル更新部３７は、評価関数Ｌのうち組に由来する評価関数であるＬ１及びＬ２の勾配に基づく反復処理によってベクトルを更新し、組に由来する評価関数による更新が収束した後、ノード間関係情報に由来する評価関数であるＬ３の勾配に基づく反復処理によってベクトルを更新してもよい。
【0059】
これにより、情報処理装置１は、知識グラフ毎に計算できる組に由来する評価関数を用いた更新と、ノード間関係情報に由来する評価関数を用いた更新とを、異なる計算機で実行することが可能となる。知識グラフ毎の情報を各々が保存された計算機から移動せずベクトルの更新を実行することができ、知識グラフに個人情報が含まれる場合にはそれを保護しながら実行することができる。さらに、ノード間関係情報に関する実体の識別子はハッシュ関数のような不可逆な変換関数で非識別化して共有することも可能である。このように個人識別可能な情報と不可能な情報を分けて管理し、分けたままそれぞれの計算機上でベクトルの更新を実行することが可能となる。
【0060】
＜情報処理装置１が実行する情報処理の処理フロー＞
図５は、実施の形態に係る情報処理装置１が実行する情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置１が起動したときに開始する。
図５は、実施の形態に係る情報処理装置１が実行する情報処理の流れを説明するためのフローチャートである。本フローチャートにおける処理は、例えば情報処理装置１が起動したときに開始する。
【0061】
知識グラフ取得部３０は、２つの異なる知識グラフを取得する（Ｓ２）。ベクトル割当部３１は、知識グラフ取得部３０が取得した２つの異なる知識グラフそれぞれについて、各知識グラフを構成する各ノード及び各エッジにベクトルを割り当てる（Ｓ４）。
【0062】
組抽出部３２は、知識グラフ取得部３０が取得した２つの異なる知識グラフそれぞれについて、第１ノードと、第１ノードを始点として第２ノードを終点とするエッジと、第２ノードとの３つの要素から構成される組を抽出する（Ｓ６）。
【0063】
正例選択部３３は、組抽出部３２が抽出した複数の組それぞれを１つの正例として選択する（Ｓ８）。グラフ関係取得部３６は、知識グラフ取得部３０が取得した一方の知識グラフを構成するノードと、他方の知識グラフを構成するノードとの間の複数の観点それぞれについての関係を示すグラフ関係情報を取得する（Ｓ１０）。
【0064】
ベクトル更新部３７は、正例に割り当てられたベクトル、及びノード間関係情報に関する評価関数に基づいて、ベクトル割当部３１が割り当てたベクトルを反復更新する（Ｓ１２）。
【0065】
ベクトル割当部３１によるベクトルの反復更新処理が終了すると、本フローチャートにおける処理は終了する。
【0066】
＜実施の形態に係る情報処理装置１が奏する効果＞
以上説明したように、実施の形態に係る情報処理装置１によれば、各知識グラフのノードの接続関係をベクトル表現しつつ、異なる知識グラフのノード間の関係の先見情報を利用して知識グラフにおける未知の事実をより効果的に補完することができる。これにより、実施の形態に係る情報処理装置１は、知識アラインメントとリンク予測のバランスをとることができる。
以上説明したように、実施の形態に係る情報処理装置１によれば、各知識グラフのノードの接続関係をベクトル表現しつつ、異なる知識グラフのノード間の関係の先見情報を利用して知識グラフにおける未知の事実をより効果的に補完することができる。これにより、実施の形態に係る情報処理装置１は、知識アラインメントとリンク予測のバランスをとることができる。
【0067】
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されず、その要旨の範囲内で種々の変形及び変更が可能である。例えば、装置の全部又は一部は、任意の単位で機能的又は物理的に分散・統合して構成することができる。また、複数の実施の形態の任意の組み合わせによって生じる新たな実施の形態も、本発明の実施の形態に含まれる。組み合わせによって生じる新たな実施の形態の効果は、もとの実施の形態の効果をあわせ持つ。
【0068】
＜変形例＞
上記では、評価関数ＬがＬ１、Ｌ２、及びＬｐの総和で示される場合について説明した。これに替えて、評価関数Ｌは、Ｌ１、Ｌ２、及びＬｐの重み付きの総和としてもよい。具体的には、評価関数Ｌは以下に示す式（５）としてもよい。
上記では、評価関数ＬがＬ１、Ｌ２、及びＬｐの総和で示される場合について説明した。これに替えて、評価関数Ｌは、Ｌ１、Ｌ２、及びＬｐの重み付きの総和としてもよい。具体的には、評価関数Ｌは以下に示す式（５）としてもよい。
【0069】
【数5】
【0070】
これにより、変形例に係る情報処理装置１は、ベクトル更新におけるリンク予測に関する評価関数と知識アラインメントに関する評価関数との重要度を変更することができる。
【符号の説明】
【0071】
１・・・情報処理装置
２・・・記憶部
３・・・制御部
３０・・・知識グラフ取得部
３１・・・ベクトル割当部
３２・・・組抽出部
３３・・・正例選択部
３６・・・グラフ関係取得部
３７・・・ベクトル更新部
２・・・記憶部
３・・・制御部
３０・・・知識グラフ取得部
３１・・・ベクトル割当部
３２・・・組抽出部
３３・・・正例選択部
３６・・・グラフ関係取得部
３７・・・ベクトル更新部
【図1】
【図2】
【図3】
【図4】
【図5】