关于的数据集构建问题

[WangYao-GoGoGo]

作者您好，

 读了您的论文，我对您的研究非常感兴趣。但是对论文中t大于0的数据集构建(section 4.1)有一些疑问，没有看明白。

 文中说，t大于0时，先从DBpedia中搜集包含KGt-1中实体的关系三元组。然后删除KGt-1中存在的关系三元组。

 下面这段话，我理解上有一些问题感觉。
 接着从DBpedia中剩余的三元组中采样KGt-1中20%量的新三元组？将这些新三元组添加到KGt-1中，然后创建KG1t和KG2t。

我对这里的流程还是不太明白，麻烦作者能给详细介绍一下吗？非常感激您！

[WangYao-GoGoGo]

作者您好，还有一点我不明白的是，t时刻的测试集是包含t-1时刻所有的测试集吗，然后再加上一部分t时刻的新数据？还是说t时刻的测试集是从KGt中随机抽取70%的数据集，包含部分t-1时刻的测试集？

[audreycs]

你好，针对你的第一个问题，这是整个流程的中文翻译，希望能解答你的疑惑：

1. 构造t=0时刻的KGs：t=0时刻的KGs就是DBP15k（中英、日英、法英），但因为之前DBP15k的已知实体匹配对不全，仅仅考虑头实体之间的匹配，因此我们从DBpedia dump中挖掘出缺失的一些匹配对并加入DBP15k中，于是最终的实体匹配对数目大于15k。（其实t=0时刻添加实体匹配对不是必须的，只是因为DBP15k原始的已知匹配对信息不全，我们才这样处理）。训练、验证、测试集就是从已知实体匹配对按照2：1：7随机划分的。

2. 构造后续时刻的KGs：首先我们不考虑新增训练集与验证集。具体构造分3步：

   • 从Dump中抽取头实体或尾实体出现在上一时刻KGs的三元组并加入，我们设置了新加入的三元组比例为20%（比例你也可以自己定）。比如t=0时刻KGs各有100个三元组，那这时我们各自加入20个新三元组，就变成了120个。
   • 补充各个KG新三元组之间的链接。由于新三元组可能会带来新实体，新实体之间也有可能存在链接，因此我们还补上了各个KG新三元组之间的链接。从而最终的三元组比例大于20%
   • 最后构造该时刻的测试集。从dump中抽取该时刻下KGs间所有的实体匹配集（全体测试集）和比上一时刻新增的实体匹配集（新增测试集）。

针对你的第二个问题，我们的主实验中，t时刻的测试集是包含t-1时刻所有的测试集，然后再加上一部分t时刻的新数据，是递增的（可以看表1）。我们也进行了仅仅在t时刻新增测试集上的实验，即发现新增实体匹配对（Discovering new alignment）。

[WangYao-GoGoGo]

谢谢，解释的非常详细。最近又看了一些相关领域的论文，准备基于您的工作再展开一下，希望后面可以合作