Embedding Ontologies via Incorporating Extensional and Intensional Knowledge

O artigo apresenta o EIKE, uma nova abordagem de incorporação de ontologias que integra simultaneamente conhecimento extensional e intensional em espaços distintos, superando os métodos existentes na classificação de triplas e previsão de links ao capturar tanto informações estruturais quanto textuais.

O essencial

Imagine que você tem uma enciclopédia gigante e viva sobre o mundo. Ela não é apenas uma lista de fatos; ela tem duas camadas de informação:

1. A Camada dos "Quem" (Extensão): São os indivíduos reais. Exemplo: "João", "Fido" (o cachorro), "Maria". São os pontos concretos no mapa.
2. A Camada dos "O Quê" (Intensão): São as regras, definições e características. Exemplo: "João é um Homem", "Homem é um Animal", "Animais têm coração". São os conceitos e a lógica que conectam tudo.

O problema é que, até agora, os computadores tinham dificuldade em ler essa enciclopédia de uma só vez. Eles eram ótimos em entender os "Quem" (os dados) ou ótimos em entender os "O Quê" (as regras), mas raramente conseguiam fazer os dois juntos de forma inteligente.

É aqui que entra o EIKE (o método proposto neste artigo).

A Grande Ideia: Duas Salas de Espelhos

Os autores do artigo propuseram uma solução genial: em vez de tentar colocar tudo em uma única sala bagunçada, eles criaram duas salas separadas (espaços) para processar a informação, e depois conectaram as duas.

1. A Sala das Formas Geométricas (O Espaço Extensão)

Imagine que nesta sala, os conceitos são como caixas ou bolhas de sabão e as pessoas/coisas são pontos dentro delas.

• Se "João" é um "Homem", o ponto "João" fica fisicamente dentro da bolha "Homem".
• Se "Homem" é um tipo de "Animal", a bolha "Homem" fica dentro da bolha maior "Animal".
• A mágica: O computador usa geometria (matemática de formas) para ver quem está dentro de quem. É como organizar uma mala: se você sabe que "Meias" cabem dentro de "Roupas", e "Roupas" cabem dentro da "Mala", a geometria garante que tudo se encaixe perfeitamente.

2. A Sala dos Significados (O Espaço Intensão)

Agora, imagine uma segunda sala, cheia de livros e dicionários. Aqui, não usamos formas, usamos palavras.

• O computador usa uma tecnologia chamada "Modelo de Linguagem" (como o cérebro de um tradutor super inteligente) para ler as descrições dos conceitos.
• Ele entende que "Homem" e "Macho" são parecidos porque as palavras usadas para descrevê-los são parecidas. Ele captura o sentido e a nuance das coisas, não apenas a posição delas.

Como o EIKE une tudo?

O método EIKE é como um tradutor bilíngue que trabalha nessas duas salas ao mesmo tempo:

1. Ele olha para "João" na sala das formas (geometria) e vê que ele está dentro da bolha "Homem".
2. Ele olha para "João" na sala dos significados (texto) e entende que ele tem as características de um humano.
3. Ele junta essas duas visões para criar uma representação super completa.

A analogia do GPS:

• A geometria é como o mapa de ruas: mostra onde as coisas estão em relação às outras (João está na Rua A, que está na Cidade B).
• O texto é como a descrição do lugar: "Rua A é uma rua arborizada e tranquila".
• O EIKE usa o mapa e a descrição para dizer: "Ah, João está em um lugar tranquilo e arborizado". Sem o texto, você só saberia a coordenada. Sem o mapa, você saberia que é tranquilo, mas não onde fica.

Por que isso é importante?

Antes do EIKE, os computadores faziam "chutes" baseados apenas em uma dessas informações.

• Se olhavam só a geometria, não entendiam que "Gato" e "Felino" são semanticamente próximos se não estivessem geometricamente próximos.
• Se olhavam só o texto, não entendiam a hierarquia lógica (quem é subconjunto de quem) tão bem.

Com o EIKE, o computador ficou muito mais esperto em tarefas como:

• Prever conexões: Se eu disser "João tem um animal de estimação", o computador consegue adivinhar que é provavelmente um "Cachorro" ou "Gato", porque ele entende a lógica (Intensão) e os dados (Extensão) juntos.
• Classificar: Saber se uma frase nova faz sentido ou não dentro do universo de conhecimento.

O Resultado Final

Os autores testaram essa ideia em bancos de dados gigantes (como YAGO e DBpedia) e o EIKE venceu todos os concorrentes.

Resumo da ópera:
O EIKE é como dar ao computador dois pares de óculos: um para ver a estrutura (quem está dentro de quem) e outro para ver o significado (o que as coisas realmente são). Usando os dois ao mesmo tempo, o computador consegue entender o mundo de forma muito mais humana e precisa do que antes.

Resumo técnico

Título: Embedding de Ontologias via Incorporação de Conhecimento Extensional e Intensional (EIKE)

1. Problema Definido

As ontologias contêm dois tipos fundamentais de conhecimento que são frequentemente tratados de forma isolada ou inadequada pelos métodos atuais de embedding (incorporação):

• Conhecimento Extensional (Assertivo): Refere-se a instâncias concretas e suas relações específicas (ex: "João é uma Pessoa"). Métodos baseados em geometria (como TransE, TransC) lidam bem com isso, mas ignoram as propriedades intrínsecas dos conceitos.
• Conhecimento Intensional (Terminológico): Refere-se às propriedades inerentes, características e associações semânticas entre conceitos (ex: "Pessoa" é uma subclasse de "Animal"). Métodos baseados em linguagem natural capturam isso, mas muitas vezes falham em distinguir claramente entre conceitos e instâncias ou modelar a estrutura hierárquica.

O Desafio: Os métodos existentes de ontology embedding falham em considerar simultaneamente e de forma refinada ambos os tipos de conhecimento. Modelos baseados apenas em geometria perdem informações textuais/semânticas, enquanto modelos baseados apenas em texto (ou que tratam tudo como instâncias) não capturam bem a estrutura de instâncias e a transitividade da relação isA.

2. Metodologia Proposta: EIKE

O artigo propõe o EIKE (Extensional and Intensional Knowledge Embedding), um framework unificado que representa a ontologia em dois espaços vetoriais distintos, mas interconectados:

A. Espaço Extensional (Modelagem Geométrica)

• Objetivo: Capturar a estrutura de instâncias e a relação de subclasse.
• Representação:
  • Conceitos: Representados como regiões geométricas (elipsoides) no espaço vetorial. Isso permite modelar a anisotropia (diferentes dimensões de importância) dos conceitos.
  • Instâncias: Representadas como vetores pontuais.
• Lógica: Uma instância pertence a um conceito se o seu vetor pontual estiver dentro da região do elipsoide do conceito. A relação SubClassOf é modelada como uma região contida dentro de outra região.
• Função de Pontuação: Utiliza distâncias geométricas para calcular se uma instância está dentro de um conceito ou se um conceito está contido em outro.

B. Espaço Intensional (Modelagem Baseada em Texto)

• Objetivo: Capturar as propriedades inerentes, características e semântica textual dos conceitos.
• Representação:
  • Conceitos: Vetores pontuais gerados por um Modelo de Linguagem Pré-treinado (Sentence-BERT). O nome do conceito (e sua descrição, se disponível) é codificado para capturar o significado semântico.
  • Instâncias Virtuais: Como o espaço intensional foca em conceitos, as instâncias são mapeadas para este espaço através de uma matriz de transformação (identidade ou normal) a partir do espaço extensional, criando "instâncias virtuais" para permitir o treinamento conjunto.
• Lógica: A similaridade semântica entre conceitos (ex: cosine similarity) e a magnitude dos vetores são usadas para modelar relações de subclasse (conceitos mais abstratos tendem a ter vetores maiores).

C. Função de Perda e Treinamento
O modelo utiliza uma função de perda conjunta composta por três partes, treinadas simultaneamente:

1. Perda para Triplos InstanceOf: Combina a verificação geométrica (instância dentro do elipsoide) e a similaridade textual entre a instância virtual e o conceito.
2. Perda para Triplos SubClassOf: Combina a inclusão geométrica de elipsoides e a similaridade/magnitude dos vetores no espaço intensional.
3. Perda para Triplos Relacionais: Utiliza o modelo TransE clássico apenas no espaço extensional para relações entre instâncias.

O treinamento é realizado via ranking loss com margem, gerando amostras negativas para otimizar os vetores de conceitos, instâncias e relações.

3. Principais Contribuições

1. Separação de Espaços: É o primeiro trabalho a propor explicitamente o embedding de conhecimento extensional e intensional em espaços distintos (geométrico vs. textual), reconhecendo que cada tipo de conhecimento exige uma representação diferente.
2. Integração Híbrida: Propõe um método inovador que combina a modelagem geométrica (para estrutura e instâncias) com modelos de linguagem pré-treinados (PLMs) para codificar o conhecimento intensional, superando as limitações de abordagens puramente estruturais ou puramente textuais.
3. Mapeamento Virtual de Instâncias: Introduz uma técnica para mapear instâncias do espaço extensional para o intensional, permitindo o treinamento conjunto e a preservação da transitividade isA em ambos os espaços.
4. Desempenho Superior: Demonstra empiricamente que a representação conjunta e diferenciada leva a embeddings mais ricos e representativos.

4. Resultados Experimentais

Os experimentos foram conduzidos em três conjuntos de dados públicos: YAGO39K, M-YAGO39K (com transitividade expandida) e DB99K-242.

• Tarefas Avaliadas: Classificação de Triplos (InstanceOf, SubClassOf, Relacionais) e Predição de Links.
• Desempenho:
  • O modelo EIKE superou significativamente os métodos state-of-the-art (como TransC, TransEllipsoid, TransCuboid, Concept2Vec, OWL2Vec*) em todas as tarefas.
  • A variante EIKE-PRE-EYE (usando pré-treinamento com Sentence-BERT e matriz de identidade) obteve os melhores resultados, especialmente em YAGO39K e M-YAGO39K.
  • Em DB99K-242, onde o conhecimento intensional é mais esparsamente descrito, o modelo ainda performou bem, embora a vantagem do pré-treinamento fosse menos pronunciada do que nos outros datasets.
• Métricas: O modelo alcançou os maiores valores de F1-Score, Acurácia, Hits@N e MRR na maioria dos cenários, validando a eficácia da abordagem híbrida.

5. Significado e Impacto

O trabalho EIKE representa um avanço significativo na representação de ontologias ao:

• Resolver a dicotomia Estrutura vs. Texto: Mostra que não é necessário escolher entre modelar a estrutura lógica (geometria) ou o significado semântico (texto); ambos podem e devem ser integrados.
• Melhorar a Generalização: Ao capturar tanto a estrutura de instâncias quanto as propriedades conceituais, os embeddings gerados são mais robustos para tarefas downstream como recuperação de informação, raciocínio semântico e completude de grafos de conhecimento.
• Futuro: O trabalho abre caminho para frameworks unificados que possam modelar relações mais complexas (como domínio e alcance de propriedades) e explorar arquiteturas mais expressivas (como GNNs) para o conhecimento extensional.

Em resumo, o EIKE demonstra que uma abordagem dual-espaço, combinando geometria para estrutura e linguagem natural para semântica, oferece uma perspectiva mais completa e representativa para o aprendizado de representações de ontologias.