JP7085521B2

JP7085521B2 - 情報処理装置、情報処理方法、及びプログラム

Info

Publication number: JP7085521B2
Application number: JP2019153533A
Authority: JP
Inventors: 茂莉黒川
Original assignee: KDDI Corp
Current assignee: KDDI Corp
Priority date: 2019-08-26
Filing date: 2019-08-26
Publication date: 2022-06-16
Anticipated expiration: 2039-08-26
Also published as: JP2021033668A

Description

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。

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）。

また、複数の知識グラフを用いて、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）。

さらに、１つの知識グラフを用いて、一部の関係間の論理的な同値又は逆の関係を入力として、知識グラフのベクトル表現を学習する方法も知られている（特許文献１）。

特開２０１８－０８５１１６号公報

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. 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. 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.

上記の技術は、知識グラフにおける実体間の同値関係ないし類似関係を導出することで知識グラフにおける実体間の同値関係を氾化する、又は、知識グラフにおける実体又は関係のベクトル表現を学習する、又は、知識グラフにおける実体又は関係のベクトル表現を用いて知識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知識グラフに関係する事実を氾化する技術である。

本願の発明者は、異なる知識グラフの実体間の同値関係と関係間の同値関係との少なくとも一方をベクトル空間（ベクトル表現の空間）上で可能な限り成り立たせるように実体及び関係のベクトル表現を学習することができれば、異なる知識グラフを利用して未知の事実をより効果的に補完できる可能性について認識するに至った。言い換えると、実体間の同値関係の氾化能力を用い実体及び関係のベクトル表現を補正できれば、知識グラフに関係する事実に関する氾化能力をさらに向上することができるという可能性について認識するに至った。

本発明はこれらの点に鑑みてなされたものであり、異なる知識グラフの実体間の同値関係と関係間の同値関係との少なくとも一方をベクトル空間上で成り立たせるように実体及び関係のベクトル表現を学習する技術を提供することを目的とする。

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について、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択する正例選択部と、前記組抽出部が抽出した複数の組それぞれについて、前記正例選択部が選択した正例の種類に基づいて、当該正例に対応する負例を選択する負例選択部と、前記組抽出部が抽出した複数の組それぞれについて、前記正例選択部が選択した正例の種類に基づいて、当該正例に対応する参照ベクトルを設定する参照ベクトル設定部と、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同値関係を示す同値関係情報を取得する同値関係取得部と、を備える。ここで、前記正例選択部は、前記同値関係取得部が取得した前記同値関係情報に含まれるノードを正例として選択し、前記負例選択部は、前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択し、前記参照ベクトル設定部は、前記同値関係取得部が取得した前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する。前記情報処理装置は、前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の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をさらに備える。

前記負例選択部は、（１）前記正例選択部が選択した正例が前記第１ノード又は前記第２ノードの場合、当該組が属する知識グラフに含まれるノードのうち前記正例として選択されたノード以外のノードを負例として選択し、（２）前記正例選択部が選択した正例が前記エッジの場合、当該組が属する知識グラフに含まれるエッジのうち前記正例として選択されたエッジ以外のエッジを負例として選択してもよい。

前記参照ベクトル設定部は、（１）前記正例選択部が選択した正例が前記第１ノードの場合、前記第１ノードと同じ組の前記第２ノードに割り当てられたベクトルから前記エッジに割り当てられたベクトルを減算したベクトルを参照ベクトルとして設定し、（２）前記正例選択部が選択した正例が前記第２ノードの場合、前記第２ノードと同じ組の第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を参照ベクトルとして設定し、（３）前記正例選択部が選択した正例が前記エッジの場合、前記エッジと同じ組の前記第２ノードに割り当てられたベクトルから前記第１ノードに割り当てられたベクトルを減算したベクトルを参照ベクトルとして設定してもよい。

前記評価関数は、前記参照ベクトルと前記正例に割り当てられたベクトルとの差の絶対値が小さくなるか、又は前記参照ベクトルと前記負例に割り当てられたベクトルとの差の絶対値が大きくなるほど小さな値と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。

前記評価関数は、前記同値関係に由来する場合、前記参照ベクトルと前記正例に割り当てられたベクトル群のうち一方の知識グラフに対応するベクトルを単位ベクトル群と係数群との線形結合として表現するとともに、対となる他方の知識グラフに対応するベクトルを単位ベクトル群と係数群との線形結合として表現し、単位ベクトルが同一の係数間の相関係数が大きくなるほど小さい値と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。

前記ベクトル更新部は、前記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段階的に更新してもよく、前記同値関係取得部は、前記ベクトル更新部が更新した異なる知識ベクトルに含まれるノードに割り当てられたベクトル同士の距離が所定の閾距離未満となることを条件として当該ノードを同値関係に相当する準同値関係とみなして前記同値関係情報に追加してもよい。

前記ベクトル更新部は、前記組に由来する評価関数で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、前記同値関係に由来する評価関数で前記ベクトルを更新し、前記同値関係に由来する評価関数による更新が収束後、前記準同値関係に由来する評価関数で前記ベクトルを更新してもよい。

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、前記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ステップと、抽出した複数の組それぞれについて、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択するステップと、抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する負例を選択するステップと、抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する参照ベクトルを設定するステップと、取得した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同値関係を示す同値関係情報を取得するステップと、取得した前記同値関係情報に含まれるノードを正例として選択するステップと、前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択するステップと、前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定するステップと、前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の評価関数に基づいて、前記ノード及びエッジに割り当てられたベクトルを更新するステップと、を実行する。

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、前記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機能と、抽出した複数の組それぞれについて、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択する機能と、抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する負例を選択する機能と、抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する参照ベクトルを設定する機能と、取得した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同値関係を示す同値関係情報を取得する機能と、取得した前記同値関係情報に含まれるノードを正例として選択する機能と、前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択する機能と、前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する機能と、前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の評価関数に基づいて、前記ノード及びエッジに割り当てられたベクトルを更新する機能と、を実現させる。

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。

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。

本発明によれば、異なる知識グラフにおける実体間の同値関係と関係間の同値関係との少なくとも一方をベクトル空間上で可能な限り成り立たせるように実体及び関係のベクトル表現を学習することができる。

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。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。実施の形態に係る組抽出部が抽出する組の一例を表形式で示す模式図である。実施の形態に係る同値関係取得部が取得する同値関係情報を表形式で示す模式図である。参照ベクトル、正例、及び負例を表形式で示す模式図である。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。

＜実施の形態の概要＞
図１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。以下、図１を参照して、実施の形態に係る情報処理装置の概要を述べる。

図１は、知識グラフＲ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の実体との同値関係を示す図である。図１において、ノードｅ_１からノードｅ_４までの４つのノードは、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に示す例では、ノードｅ_１に対するノードｅ_３の関係とノードｅ_２に対するノードｅ_３の関係とは同じであり、ともに関係ｒ_１である。一方、ノードｅ_３に対するノードｅ_４の関係は関係ｒ_１とは異なる関係ｒ_２である。

同様に、図１において、ノードｆ_１からノードｆ_６までの６つのノードは、知識グラフＳにおける実体を示す。また、知識グラフＳにおける異なるノードを接続する矢印は、知識グラフＳにおける実体間の関係を示している。図１に示す例では、ノードｆ_１に対するノードｆ_３の関係とノードｆ_２に対するノードｆ_３の関係とは同じであり、ともに関係ｓ_１である。ノードｆ_２に対するノードｆ_３の関係は関係ｓ_１とは異なる関係ｓ_２である。また、ノードｆ_４に対するノードｆ_５の関係と、ノードｆ_５に対するノードｆ_６の関係とは同じであり、ともに関係ｓ_３である。

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における実体との同値関係が先見情報として得られており、図１において破線で示されている。具体的には、知識グラフＲにおけるノードｅ_１に対応する実体と、知識グラフＳにおけるノードｆ_１に対応する実体とは同値であることが先見情報として得られている。同様に、知識グラフＲにおけるノードｅ_３に対応する実体と、知識グラフＳにおけるノードｆ_４に対応する実体とは同値であり、知識グラフＲにおけるノードｅ_４に対応する実体と、知識グラフＳにおけるノードｆ_ｆに対応する実体とも同値である。

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。

続いて、実施の形態に係る情報処理装置は、同一の関係に割り当てられるベクトル同士が近づき、かつ同値関係の実体に割り当てられるベクトル同士が近づくように設計された評価関数に基づいて、各ノード及び各エッジに割り当てたベクトルを反復処理によって更新する。これにより、実施の形態に係る情報処理装置は、異なる知識グラフにおける実体間の同値関係とともに関係間の同値関係を導出することができる。結果として、異なる知識グラフの間で知識を補完することができる。

＜実施の形態に係る情報処理装置１の機能構成＞
図２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２において、矢印は主なデータの流れを示しており、図２に示していないデータの流れがあってもよい。図２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２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。

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。

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、負例選択部３４、参照ベクトル設定部３５、同値関係取得部３６、及びベクトル更新部３７として機能する。

なお、図２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。

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。

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。以下、ノード又は関係の符号を、ベクトル割当部３１が割り当てたベクトルとして表記することがある。例えば、ベクトル割当部３１がノードｅ_１に割り当てたベクトルを、又は単に「ベクトルｅ_１」又は「ｅ_１」と表記することがある。

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。

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。

例えば、図１に示す知識グラフＲにおいて、ノードｅ_１を始点としてノードｅ_３に向かう関係ｒ_１が定義されている。そのため、図３に示すように、組抽出部３２は、第１ノードとしてノードｅ_１、第２ノードとしてｅ_３、第１ノードｅ_１を始点として第２ノードｅ_３を終点とするエッジとして関係ｒ_１を１つの組として抽出している。

また、図１に示す知識グラフＳにおいて、ノードｆ_５を始点としてノードｆ_６に向かう関係ｓ_３が定義されている。そのため、図３に示すように、組抽出部３２は、第１ノードとしてノードｆ_５、第２ノードとしてｆ_６、第１ノードｆ_５を始点として第２ノードｆ_６を終点とするエッジとして関係ｓ_３を１つの組として抽出している。以下同様である。

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。

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について、第１ノード、エッジ、又は第２ノードのうち少なくともいずれか１つを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。

負例選択部３４は、組抽出部３２が抽出した複数の組それぞれについて、正例選択部３３が選択した正例の種類に基づいて、その正例に対応する負例を選択する。ここで、負例選択部３４が選択する「負例」とは、組を構成するノード及びエッジの関係が誤りであることを意味する。具体的には、正例の種類がノードの場合、正例が含まれる組が属する知識グラフに含まれるノードのうち、正例として選択されたノード以外のノードを負例として選択する。一方、正例の種類がエッジの場合、正例が含まれる組が属する知識グラフに含まれるエッジのうち、正例として選択されたエッジ以外のエッジを負例として選択する。

参照ベクトル設定部３５は、組抽出部３２が抽出した複数の組それぞれについて、正例選択部３３が選択した正例の種類に基づいて、その正例に対応する参照ベクトルを設定する。ここで、参照ベクトル設定部３５が設定する「参照ベクトル」とは、後述するベクトル更新部３７によって、正例に割り当てられたベクトルに近づくように更新されるべきベクトルを意味する。なお、負例選択部３４による負例の選択処理及び参照ベクトル設定部３５による参照ベクトルの設定処理の詳細は後述する。

同値関係取得部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同値関係を示す同値関係情報を取得する。

図４は、実施の形態に係る同値関係取得部３６が取得する同値関係情報を表形式で示す模式図である。具体的には、図４は、図１に示す知識グラフＲを構成するノードと知識グラフＳを構成するノードとの間の同値関係を示している。図１を参照して説明したように、知識グラフＲにおけるノードｅ_１に対応する実体と、知識グラフＳにおけるノードｆ_１に対応する実体とは同値である。このため、図４に示すように、知識グラフＲにおけるノードｅ_１と知識グラフＳにおけるノードｆ_１との対応が同値関係情報に含まれている。知識グラフＲにおけるノードｅ_３と知識グラフＳにおけるノードｆ_４、及び知識グラフＲにおけるノードｅ_４と知識グラフＳにおけるノードｆ_５についても同様である。

正例選択部３３は、同値関係取得部３６が取得した同値関係情報に含まれるノードを正例として選択する。負例選択部３４は、同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち、同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択する。同値関係情報に含まれるノードの正例として選択されたノード以外のノードは、ノード間の同値関係として誤りであるため、負例となる。

参照ベクトル設定部３５は、同値関係取得部３６が取得した同値関係情報のうち、正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する。正例として選択されたノードと同値関係にあるノードに割り当てられたベクトルは、正例であるノードに割り当てられたベクトルに近づくように更新されるべきベクトルであるからである。

ベクトル更新部３７は、正例に割り当てられたベクトル、負例に割り当てられたベクトル、及び参照ベクトルに関する所定の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。なお、評価関数の詳細は後述する。

図５は、参照ベクトルａ、正例ｐ、及び負例ｎを表形式で示す模式図である。負例選択部３４は、（１）正例選択部３３が選択した正例が第１ノード又は第２ノードの場合と、（２）正例選択部３３が選択した正例がエッジの場合との２つの場合に分けて、正例に対応する負例を選択する。具体的には、正例選択部３３が選択した正例が第１ノード又は第２ノードの場合、負例選択部３４は、正例が含まれる組が属する知識グラフに含まれるノードのうち、正例として選択されたノード以外のノードを負例として選択する。

例えば、図５において、正例が知識グラフＲに含まれるノードｅ_３である場合、知識グラフＲに含まれるノードのうちノードｅ_３以外のノードであるノードｅ_４が負例として選択されている。なお、ノードｅ_２も負例となり得る。

正例選択部３３が選択した正例がエッジの場合、負例選択部３４は、正例が含まれる組が属する知識グラフに含まれるエッジのうち、正例として選択されたエッジ以外のエッジを負例として選択する。例えば、図５において、正例が知識グラフＳに含まれる関係ｓ_１である場合、知識グラフＳに含まれるエッジのうち関係ｓ_１以外のエッジである関係ｓ_２が負例として選択されている。なお、関係ｓ_３も負例となり得る。

参照ベクトル設定部３５は、（１）正例選択部３３が選択した正例が第１ノードの場合、（２）正例選択部３３が選択した正例が第２ノードの場合、及び（３）正例選択部３３が選択した正例がエッジの場合、（４）正例選択部３３が選択した正例が同値関係情報に含まれるノードの場合、の４つの場合に分けて、正例に対応する参照ベクトルを設定する。

（１）具体的には、正例選択部３３が選択した正例が第１ノードの場合、参照ベクトル設定部３５は、第１ノードと同じ組の第２ノードに割り当てられたベクトルからエッジに割り当てられたベクトルを減算したベクトルを、参照ベクトルとして設定する。例えば、図５において、正例が知識グラフＲに含まれるノードｅ_３である場合、ノードｅ_３と同じ組の第２ノードであるノードｅ_４に割り当てられたベクトルから、エッジである関係ｒ_２に割り当てられたベクトルを減算したベクトル（ｅ_４－ｒ_２）が参照ベクトルとして設定されている。

（２）また、正例選択部３３が選択した正例が第２ノードの場合、参照ベクトル設定部３５は、第２ノードと同じ組の第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を、参照ベクトルとして設定する。例えば、図５において、正例が知識グラフＳに含まれるノードｆ_４である場合、ノードｆ_４と同じ組の第１ノードであるノードｆ_１に割り当てられたベクトルに、エッジである関係ｓ_１に割り当てられたベクトルを加算したベクトル（ｆ_１＋ｓ_１）が参照ベクトルとして設定されている。

（３）さらに、正例選択部３３が選択した正例がエッジの場合、参照ベクトル設定部３５は、エッジと同じ組の第２ノードに割り当てられたベクトルから第１ノードに割り当てられたベクトルを減算したベクトルを参照ベクトルとして設定する。例えば、図５において、正例が知識グラフＲに含まれる関係ｒ_１である場合、関係ｒ_１と同じ組の第２ノードであるノードｅ_３に割り当てられたベクトルから、第１ノードであるノードｅ_１に割り当てられたベクトルを減算したベクトル（ｅ_３－ｅ_１）が参照ベクトルとして設定されている。

（４）さらに、正例選択部３３が選択した正例が同値関係情報に含まれるノードの場合、参照ベクトル設定部３５は、正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する。例えば、図５において、正例が知識グラフＲに含まれるノードｅ_１である場合、正例のノードと対となる他方の知識グラフを構成するノード（に対応するベクトル）ｆ_１が参照ベクトルとして設定されている。

このように、参照ベクトル設定部３５が設定する参照ベクトルは、ある組を構成する第１ノード、第２ノード、又はエッジのうち、正例として選択されていない要素に割り当てられたベクトルを用いて表現した正例のベクトル表記である。なお、上述したように、ノードの同値関係について参照ベクトル設定部３５が設定する参照ベクトルは、正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルである。いずれにしても、参照ベクトルが正例に割り当てられたベクトルと近いほど、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。反対に、参照ベクトルが負例に割り当てられたベクトルから遠いほど、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。

そこで、ベクトル更新部３７が参照する評価関数は、参照ベクトルと正例に割り当てられたベクトルとの差の絶対値が小さくなるか、又は参照ベクトルと負例に割り当てられたベクトルとの差の絶対値が大きくなるほど、小さな値となるように設定されている。より具体的には、評価関数は、以下の式（１）に示す数式によって表現されている。

ここで、ａは参照ベクトル、ｐは正例に割り当てられたベクトル、ｎは負例に割り当てられたベクトルを表す。ｍａｘ（ａ，ｂ）はａかｂか大きいほうを返す関数である。ｍａｘ（ａ，０）の場合、ａ＞０ならばａを、そうでなければ０を返すので、戻り値は非負値となる。また、｜ｘ｜はベクトルｘのノルムを表す。ノルムの具体的な式としてはいくつかのオプションがあり得るが、例えばＬ１ノルムとしてよい。Σは設定された複数のａ、ｐ、ｎについての和を表す。

さらに、式（１）は、下記の式（５）のように分解できる。知識グラフＲに由来する参照ベクトル、正例に割り当てられたベクトル、負例に割り当てられたベクトルをａ^（Ｒ）、ｐ^（Ｒ）、ｎ^（Ｒ）、知識グラフＳに由来する参照ベクトル、正例に割り当てられたベクトル、負例に割り当てられたベクトルをａ^（Ｓ）、ｐ^（Ｓ）、ｎ^（Ｓ）、同値関係に由来する参照ベクトル、正例に割り当てられたベクトル、負例に割り当てられたベクトルをａ^（Ａ）、ｐ^（Ａ）、ｎ^（Ａ）とする。さらに式（２）～式（４）では、ｍａｒｇｉｎを知識グラフＲ、知識グラフＳ、同値関係毎に変え、それぞれｍａｒｇｉｎ^（Ｒ）、ｍａｒｇｉｎ^（Ｓ）、ｍａｒｇｉｎ^（Ａ）としている。

ベクトル更新部３７は、同値関係に由来する評価関数の項Ｌ_Ａを変更し、参照ベクトル群、正例に割り当てられたベクトル群を用いた正準相関分析により、評価関数を決定しても構わない。正準相関分析は、同値関係に含まれる２つの知識グラフ（知識グラフＲと知識グラフＳ）のノードのベクトルを関連付ける統計手法である。正準相関分析では、各知識グラフのノードに対し正準変数を構成し、正準変数間の相関係数（正準相関係数）が大きくなるように線形結合の係数を学習する。

ここで、ベクトル更新部３７は、同値関係に由来する参照ベクトル群と正例に割り当てられたベクトル群のうち、知識グラフＲに由来するベクトルを単位ベクトル群と係数群との線形結合として表現するとともに、対となる知識グラフＳに由来するベクトルを単位ベクトル群と係数群との線形結合として表現し、単位ベクトルが同一な係数を正準変数とみなす（当該係数は同値関係に由来する参照ベクトルと正例に割り当てられたベクトルの数だけ多数の値をとり得るため、当該係数を変数とみなすことができる）。このように設定し正準相関分析を適用することにより、ベクトル更新部３７は、同値関係情報に含まれるノードをよりよく関連付ける線形結合の係数として各ノードのベクトルを得ることができる。

式（４）に示すＬ_Ａには、全ての正準変数について総合的に評価するため、ベクトル更新部３７は、正準変数間の相関行列のトレースノルムを設定する。これは正準変数の個数を同値関係情報に含まれるノード数と同じにした場合の値に相当するが、正準変数のうち重要な少数のｋ個のみを評価したい場合は、ベクトル更新部３７は、正準変数間の相関行列の第１から第ｋ固有値まで和をＬ_Ａに設定すればよい。

同値関係に由来する評価関数の項Ｌ_Ａは、知識グラフＲと知識グラフＳとの関連性を高めるための項である。この項の存在により、異なる知識グラフの実体間の同値関係と関係間の同値関係との少なくとも一方をベクトル空間（ベクトル表現の空間）上で可能な限り成り立たせるように実体及び関係のベクトル表現を補正することが可能となる。この項においては、単に同値となる実体に関するベクトルａ^（Ａ）、ｐ^（Ａ）の距離を個別に測るのではなく、式（４）のようにｎ^（Ａ）という他の要素を考慮したり、正準相関係数のように同値関係の要素群の関連性を総合的に評価したりすることで、限られた同値関係からより効果的に知識グラフＲと知識グラフＳの関連性を高めることが可能となる。

また、式（４）の場合も、正準相関係数を評価する場合も、知識グラフＲに由来するベクトル又は知識グラフＳに由来するベクトルにさらに線形変換をかけるようにすることによって、知識グラフＲのベクトル空間と知識グラフＳのベクトル空間を異なる空間にし、知識グラフＲのベクトル空間から知識グラフＳのベクトル空間へのノイズの流入をできるだけ少なくするように対応してもよい。

ベクトル更新部３７は、式（１）に示す評価関数の勾配に基づく反復処理によって、評価関数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する。これにより、ベクトル更新部３７は、ベクトルを用いて知識グラフの関係の同値又は類似関係とともに、異なる知識グラフ間の同値関係を、ベクトルを用いて表現することができる。

上述したように、実施の形態に係る情報処理装置１が処理対象とする知識グラフは、図４に示すような同値関係が先見情報として与えられている。実施の形態に係る情報処理装置１は、与えられた先見情報に加えて、ベクトル更新部３７によって更新されたベクトルの値に基づいて異なる知識グラフに含まれるノード間の同値関係を推定する処理も実行する。

具体的には、同値関係取得部３６は、ベクトル更新部３７が更新した異なる知識ベクトルに含まれるノードに割り当てられたベクトル同士の距離が所定の閾距離未満となることを条件として、それらのノードを同値関係に相当する準同値関係とみなして同値関係情報に追加する。ここで、「所定の閾距離」とは、ベクトル更新部３７が２つのノードが同値関係を満たすか否かを判定するために参照する「同値判定基準閾距離」である。なお、ベクトル更新部３７は、ベクトル同士の距離を距離の公理を満たすいずれの距離に基づいて算出してもよく、一例としてはユークリッド距離を用いて算出すればよい。所定の閾距離の具体的な値は、ベクトル間の距離の測定に採用する距離の種類や、知識グラフの先見情報（例えば、同値関係の多少等の情報）等を考慮して、実験により定めればよい。

これにより、同値関係取得部３６は、ベクトル更新部３７がベクトルを更新することによって知識グラフのベクトル表現が正確となるにしたがって、先見情報として得られていなかったノード間の同値関係を新たに発見することができる。

さらに、ある２つの実体（ノード）ｆ_３、ｆ_６が与えられたとき、ベクトルｆ_６－ｆ_３に近い関係（エッジ）をベクトル空間上で検索することで、２つの実体間に存在する可能性の高い関係（エッジ）を補完することができる。また、１つの実体（ノード）ｆ_３と１つの関係（エッジ）ｓ_１が与えられたとき、ベクトルｆ_３＋ｓ_１に近い実体（ノード）をベクトル空間上で検索することで、その先に存在する可能性の高い実体（ノード）を補完することができる。

＜情報処理装置１が実行する情報処理の処理フロー＞
図６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。

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）。

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）。

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について、第１ノード、エッジ、又は第２ノードのうち少なくともいずれか１つを正例として選択する（Ｓ８）。負例選択部３４は、組抽出部３２が抽出した複数の組それぞれについて、正例選択部３３が選択した正例の種類に基づいて、その正例に対応する負例を選択する（Ｓ１０）。

参照ベクトル設定部３５は、組抽出部３２が抽出した複数の組それぞれについて、正例選択部３３が選択した正例の種類に基づいて、その正例に対応する参照ベクトルを設定する（Ｓ１２）。なお、ステップＳ６は複数の組を抽出してよいものとし、ステップＳ８～ステップＳ１２で設定される正例、負例、参照ベクトルはそれに対応して複数設定されてもよいものとする。

同値関係取得部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同値関係を示す同値関係情報を取得する（Ｓ１４）。

正例選択部３３は、同値関係取得部３６が取得した同値関係情報に含まれるノードを正例として選択する（Ｓ１６）。負例選択部３４は、同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち、同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択する（Ｓ１８）。

参照ベクトル設定部３５は、同値関係取得部３６が取得した同値関係情報のうち、正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する（Ｓ２０）。なお、ステップＳ１４は複数の同値関係情報を取得してよいものとし、ステップＳ１６～ステップＳ２０で設定される正例、負例、参照ベクトルはそれに対応して複数設定されてもよいものとする。

ベクトル更新部３７は、正例に割り当てられたベクトル、負例に割り当てられたベクトル、及び参照ベクトルに関する所定の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（Ｓ２２）。

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。

＜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、異なる知識グラフにおける実体間の同値関係と関係間の同値関係との少なくとも一方をベクトル空間上で可能な限り成り立たせるように実体及び関係のベクトル表現を学習することができる。これにより、実体間の同値関係によりベクトル表現を補正して、同値関係で関連付けられた異なる知識グラフ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。例えば、当該グラフにおいて、ある２つの実体（ノード）が与えられたとき、その間に存在する可能性の高い関係（エッジ）を補完することや、１つの実体（ノード）と１つの関係（エッジ）が与えられたとき、その先に存在する可能性の高い実体（ノード）を補完することができる。

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。

＜第１の変形例＞
上記では、異なる知識グラフに含まれるノード同士の同値関係に基づいて正例及び負例を選択し、かつ参照ベクトルを設定する場合について説明した。これに替えて、あるいはこれに加えて、同値関係取得部３６は、異なる知識グラフに含まれるエッジ同士の同値関係を示す同値関係情報を取得してもよい。これにより、情報処理装置１は、異なる知識グラフに含まれるエッジ同士の同値関係をベクトル表現に含めることができる。

＜第２の変形例＞
上述したように、正例選択部３３は、組抽出部３２が抽出した組に由来する正例と、同値関係取得部３６が取得した同値関係情報に基づく正例とを選択する。上記では、ベクトル更新部３７は、組に由来する正例、負例、及び参照ベクトルと、同値関係情報に由来する正例、負例、及び参照ベクトル情報とを区別することなく、式（１）に示す評価関数に基づいてベクトルを更新する場合について説明した。

ここで、ベクトル更新部３７は、組に由来する正例、負例、及び参照ベクトルに基づくベクトルの更新処理と、同値関係情報に由来する正例、負例、及び参照ベクトル情報に基づくベクトルの更新処理とを分けて実行してもよい。さらに、ベクトル更新部３７は、準同値関係として追加した同値関係情報に由来する正例、負例、及び参照ベクトル情報に基づくベクトルの更新処理も、上記二つの更新処理とは分けて実行してもよい。

具体的には、ベクトル更新部３７は、組に由来する正例、負例、及び参照ベクトルに基づくベクトルの更新処理のための評価関数と、同値関係情報に由来する正例、負例、及び参照ベクトル情報に基づくベクトルの更新処理のための評価関数と、準同値関係として追加した同値関係情報に由来する正例、負例、及び参照ベクトル情報に基づくベクトルの更新処理のための評価関数とをそれぞれ個別で用意する。ここで、各評価関数の形は式（１）に示す数式と同じでよいが、ベクトル更新部３７は、各評価関数の値をそれぞれ個別に管理して評価する。

ベクトル更新部３７は、まず組に由来する評価関数でベクトルを更新する。続いて、ベクトル更新部３７は、組に由来する評価関数による更新が収束した後、同値関係に由来する評価関数でベクトルを更新する。最後に、ベクトル更新部３７は、同値関係に由来する評価関数による更新が収束後、準同値関係に由来する評価関数でベクトルを更新する。以上の更新処理を繰り返し実行しても構わない。すなわち、準同値関係に由来する評価関数でベクトルを更新後、再び組に由来する評価関数でベクトルを更新しても構わない。

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、同値関係又は準同値関係に基づいて計算できる同値関係又は準同値関係に由来する評価関数を用いた更新を、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、同値関係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。この場合、ハッシュ化された実体の識別子と各識別子に対応するベクトルについては共有する必要がある。

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
３４・・・負例選択部
３５・・・参照ベクトル設定部
３６・・・同値関係取得部
３７・・・ベクトル更新部

Claims

情報処理装置であって、
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について、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択する正例選択部と、
前記組抽出部が抽出した複数の組それぞれについて、前記正例選択部が選択した正例の種類に基づいて、当該正例に対応する負例を選択する負例選択部と、
前記組抽出部が抽出した複数の組それぞれについて、前記正例選択部が選択した正例の種類に基づいて、当該正例に対応する参照ベクトルを設定する参照ベクトル設定部と、
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同値関係を示す同値関係情報を取得する同値関係取得部と、
を備え、
前記正例選択部は、前記同値関係取得部が取得した前記同値関係情報に含まれるノードを正例として選択し、
前記負例選択部は、前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択し、
前記参照ベクトル設定部は、前記同値関係取得部が取得した前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定し、
前記情報処理装置は、
前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の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をさらに備える、
情報処理装置。
前記負例選択部は、（１）前記正例選択部が選択した正例が前記第１ノード又は前記第２ノードの場合、当該組が属する知識グラフに含まれるノードのうち前記正例として選択されたノード以外のノードを負例として選択し、（２）前記正例選択部が選択した正例が前記エッジの場合、当該組が属する知識グラフに含まれるエッジのうち前記正例として選択されたエッジ以外のエッジを負例として選択する、
請求項１に記載の情報処理装置。
前記参照ベクトル設定部は、（１）前記正例選択部が選択した正例が前記第１ノードの場合、前記第１ノードと同じ組の前記第２ノードに割り当てられたベクトルから前記エッジに割り当てられたベクトルを減算したベクトルを参照ベクトルとして設定し、（２）前記正例選択部が選択した正例が前記第２ノードの場合、前記第２ノードと同じ組の第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を参照ベクトルとして設定し、（３）前記正例選択部が選択した正例が前記エッジの場合、前記エッジと同じ組の前記第２ノードに割り当てられたベクトルから前記第１ノードに割り当てられたベクトルを減算したベクトルを参照ベクトルとして設定する、
請求項１又は２に記載の情報処理装置。
前記評価関数は、前記参照ベクトルと前記正例に割り当てられたベクトルとの差の絶対値が小さくなるか、又は前記参照ベクトルと前記負例に割り当てられたベクトルとの差の絶対値が大きくなるほど小さな値と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から３のいずれか１項に記載の情報処理装置。
前記評価関数は、前記同値関係に由来する場合、前記参照ベクトルと前記正例に割り当てられたベクトル群のうち一方の知識グラフに対応するベクトルを単位ベクトル群と係数群との線形結合として表現するとともに、対となる他方の知識グラフに対応するベクトルを単位ベクトル群と係数群との線形結合として表現し、単位ベクトルが同一の係数間の相関係数が大きくなるほど小さい値と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から３のいずれか１項に記載の情報処理装置。
前記ベクトル更新部は、前記評価関数の勾配に基づく反復処理によって前記ベクトルを段階的に更新し、
前記同値関係取得部は、前記ベクトル更新部が更新した異なる知識ベクトルに含まれるノードに割り当てられたベクトル同士の距離が所定の閾距離未満となることを条件として当該ノードを同値関係に相当する準同値関係とみなして前記同値関係情報に追加する、
請求項１から５のいずれか１項に記載の情報処理装置。
前記ベクトル更新部は、
前記組に由来する評価関数で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、前記同値関係に由来する評価関数で前記ベクトルを更新し、
前記同値関係に由来する評価関数による更新が収束後、前記準同値関係に由来する評価関数で前記ベクトルを更新する、
請求項６に記載の情報処理装置。
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、
前記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ステップと、
抽出した複数の組それぞれについて、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択するステップと、
抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する負例を選択するステップと、
抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する参照ベクトルを設定するステップと、
取得した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同値関係を示す同値関係情報を取得するステップと、
取得した前記同値関係情報に含まれるノードを正例として選択するステップと、
前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択するステップと、
前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定するステップと、
前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の評価関数に基づいて、前記ノード及びエッジに割り当てられた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。
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、
前記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機能と、
抽出した複数の組それぞれについて、前記第１ノード、前記エッジ、又は前記第２ノードのうち少なくともいずれか１つを正例として選択する機能と、
抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する負例を選択する機能と、
抽出した複数の組それぞれについて、前記正例の種類に基づいて、当該正例に対応する参照ベクトルを設定する機能と、
取得した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同値関係を示す同値関係情報を取得する機能と、
取得した前記同値関係情報に含まれるノードを正例として選択する機能と、
前記同値関係情報に含まれるノードの正例として選択されたノードが属する知識グラフに含まれるノードのうち前記同値関係情報に含まれるノードの正例として選択されたノード以外のノードを負例として選択する機能と、
前記同値関係情報のうち、前記正例のノードと対となる他方の知識グラフを構成するノードに割り当てられたベクトルを参照ベクトルとして設定する機能と、
前記正例に割り当てられたベクトル、前記負例に割り当てられたベクトル、及び前記参照ベクトルに関する所定の評価関数に基づいて、前記ノード及びエッジに割り当てられたベクトルを更新する機能と、
を実現させるプログラム。