Signal and Data Processing

fa ارتقای گراف دانش با بهره‌گیری از روش ترجیحات گزینشی Enhancing Knowledge Graph with Selectional Preferences مقالات پردازش متن Paper پژوهشي Research <div style="text-align: justify;">در فرآیند ساخت گراف‌های دانش از کلان‌داده‌ها، بسیاری از اجزای ضروری دانش نادیده گرفته می‌شوند. «پیش‌بینی پیوند» برای رفع این چالش و توسعۀ روش‌هایی برای افزودن روابط ازدست‌رفته به گراف‌های دانش پدید آمده است. با وجود پیشرفت‌های قابل توجه، روش‌های کنونی پیش‌بینی پیوند، همچنان نیازمند بهبود هستند تا به سطح دقت مورد نیاز برای کاربردهای عملی در صنعت برسند. این پژوهش رویکردی نوآورانه ارائه می‌دهد که با بهره‌گیری از ترجیحات گزینشی، دقت پیش‌بینی پیوند در گراف‌های دانش را افزایش می‌دهد. ترجیحات گزینشی تاکنون در حوزۀ پردازش متن مورد استفاده قرار می‌گرفته است. این پژوهش ادعا می‌کند که اعمال ترجیحات گزینشی بر گراف دانش می‌تواند با استفاده از الگوهای باهم‌آیی موجودیت‌ها و روابط در گراف دانش، عملکرد پیش‌بینی پیوند را بهبود بخشد. برای آزمون این فرضیه، رویکرد پیشنهادی روی مجموعه‌دادۀ معیار فارسی «فارس‌پیش‌بین»<a href="#_ftn1" name="_ftnref1" title="">[1]</a> از طریق اعمال ترجیحات گزینشی بر روی دگرنمایی‌های متنی پیاده‌سازی شده است. نتایج آزمایش این رویکرد، بهبود قابل توجه دقت پیش‌بینی پیوند را نشان می‌دهد؛ به‌طوری‌که در روش Word2Vec دقت شبه‌رفع‌ابهام دوطرفه از ۷۱٫۲ درصد به ۷۸٫۹ درصد و سه‌طرفه از ۶۳٫۵ درصد به ۷۱٫۶ درصد افزایش یافته است. این نتایج، شواهد محکمی برای تأیید فرضیۀ اولیه فراهم می‌کند. نتایج نشان می‌دهد که ادغام ترجیحات گزینشی در فرآیند پیش‌بینی، توانایی سامانه را در پیش‌بینی پیوندهای ازدست‌رفتۀ محتمل در گراف دانش به‌طور مؤثری افزایش می‌دهد. این یافته‌ها، توانمندی ترجیحات گزینشی را برای بهبود عملکرد پیش‌بینی پیوند تأیید می‌کنند؛ اگرچه تأثیر ترکیب ترجیحات گزینشی با دگرنمایی‌های متنی در این پژوهش به اثبات رسیده است، اما تکرارپذیری این یافته‌ها در سایر روش‌های دگرنمایی متن یا سایر روش‌های دگرنمایی گراف دانش نیازمند بررسی بیشتر است؛ با این‌حال، کاربرد موفقیت‌آمیز این روش بر روی داده‌های معیار فارسی، ارزش آن را برای بهبود دقت پیش‌بینی پیوند در زبان‌ها و حوزه‌هایی که الگوهای رابطه‌ای در آن‌ها کمتر مطالعه شده‌اند، برجسته می‌سازد. پژوهش‌های آینده باید به بررسی ادغام این روش با روش‌های متعارف پیش‌بینی پیوند که بر دگرنمایی متن یا دگرنمایی گراف دانش تکیه دارند، بپردازند تا رویکرد پیشنهادی را برای طیف وسیعی از سامانه‌های موجود قابل اجرا سازند.</div> <div>  <hr align="left" size="1" width="33%" > <div id="ftn1"><a href="#_ftnref1" name="_ftn1" title="">[1]</a> مجموعه‌دادۀ معیار فارسی «فارس‌پیش‌بین» ویژۀ وظیفۀ پیش‌بینی پیوند طراحی شده است.</div> </div> <div style="text-align: justify;">In constructing large-scale knowledge graphs from heterogeneous data sources, many critical semantic relationships remain missing, undermining the efficacy of downstream applications such as question answering, recommendation systems, and semantic search. Link prediction has emerged as a key solution to this problem by identifying and adding plausible but absent triples. Although existing embedding-based approaches (trained on node and relation labels with models such as Word2Vec or GloVe) achieve high accuracy in resource-rich settings, their performance on low-resource languages or specialized domains often falls short of industrial requirements. This study introduces a novel adaptation of selectional preferences (a concept from lexical semantics that captures the typical co-occurrence patterns between predicates and their arguments) to the link prediction task in knowledge graphs, with a focus on the Persian benchmark dataset FarsPishBin. The selectional preference technique traditionally measures how compatible a verb is with a nominal argument by learning from large corpora in which word pairs co-occur more frequently than a random co-occurrence. For example, “bite” prefers animate or small‐animal subjects, whereas “read” expects objects such as “book” or “article.” Our core hypothesis is that applying selectional preferences to triples (head entity, relation, tail entity) captures higher-order semantic dependencies and thus improves the plausibility scoring of candidate links. To test this, we propose a two-phase framework: “data preparation” and “preference learning.” Phase 1 comprises rigorous preprocessing and embedding initialization. We begin by filtering FarsPishBin to its 100 most frequent relations, retaining over 80 percent of the original (almost 600,000) triples while reducing the memory footprint. Textual labels of entities and relations undergo normalization, stop-word removal, Unicode unification, punctuation stripping, and tokenization. We then train both Word2Vec and GloVe on these labels to produce base embeddings for every node and edge. To accommodate relation-specific behavior, we generate a separate embedding for each entity–relation pair (relation-specific embedding) alongside a central embedding that encodes an entity’s general semantics across all relations. Phase 2 implements the selectional preference technique by learning over a multiplex embedding structure. For each positive triple, we generate two negative samples by randomly replacing either the head or tail entity, following best practices in knowledge graph completion. We optimize a cross-entropy objective with stochastic gradient descent, encouraging true triples to score higher than their corrupted counterparts. Our scoring function sums the head entity’s central embedding and its relation-specific embedding, and then computes cosine similarity with the tail entity’s central embedding. This design integrates both general and relation-contextual semantics in evaluating triple plausibility. We evaluate the proposed approach using the pseudo-disambiguation protocol in bi-directional and tri-directional modes. In the bi-directional setting, we assess whether the model can distinguish the correct head entity when presented with one negative head. In the tri-directional evaluation, the model must outperform negatives that replace either the head or tail, making the task more challenging. Metrics are reported as mean accuracy over all test triples. Experimental results demonstrate that incorporating the selectional preference technique yields consistent, substantial gains across both embedding initializations. On Word2Vec, bi-directional accuracy rises from 71.2 percent to 78.9 percent, and tri-directional accuracy from 63.5 percent to 71.6 percent (absolute improvements of 7.7 and 8.1 points, respectively). GloVe shows similar trends: bi-directional accuracy increases from 73.0 percent to 80.4 percent (7.4% gain), and tri-directional accuracy from 65.2 percent to 72.8 percent (7.6% gain). These robust improvements confirm that the selectional preference technique captures semantic compatibility patterns overlooked by traditional text embeddings and complements them rather than replacing them. The observed benefits stem from relation-specific embeddings that resolve polysemy by differentiating an entity’s representation per relation. Our approach’s primary limitation is its memory complexity, which scales with the product of the number of entities and relations. Although subsampling the top 100 relations preserves most data coverage, future work must explore efficient compression strategies for relation-specific embeddings. Additionally, while we focused on Word2Vec and GloVe as a proof of concept, integrating selectional preferences with graph-native embedding methods such as TransE, RotatE, or ComplEx may yield further gains. Extending evaluations to multilingual datasets and domain-specific graphs will help establish the generality of our findings. In conclusion, this study pioneers the application of selectional preferences to knowledge graph link prediction, demonstrating clear accuracy enhancements on a low-resource Persian dataset. For organizations reliant on manual curation of knowledge graphs, our method offers a scalable avenue to identify high-quality candidate triples, thereby accelerating ontology enrichment and boosting downstream NLP performance. Future research should aim to reduce memory overhead, validate compatibility with advanced graph embedding models, and broaden empirical validation across diverse knowledge graph domains.</div> پیش‌بینی پیوند, ترجیحات گزینشی, دگرنمایی واژگان, تکمیل گراف دانش, دگرنمایی گراف دانش. Link Prediction, Selectional Preferences, Word Embedding, Knowledge Graph Completion, Knowledge Graph Embedding. 37 50 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-92-2&slc_lang=fa&sid=1 Najmeh Torabian نجمه ترابیان najmeh.torabian@gmail.com No Ph.D. Student, Department of Computer Engineering, CT.C. Islamic Azad University, Tehran, Iran دانشجوی مقطع دکتری، دانشکدۀ مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران Homa Radaei هما ردایی homaradaei@gmail.com No MS.C., School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran دانش‌آموختۀ کارشناسی ارشد، دانشکدۀ مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران Behrouz Minaei-Bidgoli بهروز مینایی بیدگلی b_minaei@iust.ac.ir Yes Professor, Department of Software Engineering, School of Computer Engineering, Iran University of Science and Technology, Tehran, Iran استاد گروه نرم‌افزار، دانشکدۀ مهندسی کامپیوتر، دانشگاه علم و صنعت ایران، تهران، ایران Mohsen Jahanshahi محسن جهانشاهی mjahanshahi@iauctb.ac.ir No Professor, Department of Computer Engineering, CT.C. Islamic Azad University, Tehran, Iran استاد گروه نرم‌افزار، دانشکدۀ مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران