Entity Typing Datasets

These are the datasets used in the Entity Type Prediction task for Knowledge Graph Completion. <strong>DB630k_Fine-grained_Hierarchical.zip</strong> dataset has been used in the papers [1] and [2]. It is an extended version of DBpedia630k dataset originally created for Text classification and is available here. <strong>FIGER.zip</strong> dataset has also been used in the papers [1] and [2]. <strong>MultilingualETdata.zip</strong> dataset has been used in the paper [3] <strong>NamesETdata.zip</strong> dataset has been used in the paper [4]. The CaLiGraph test dataset can also be downloaded here. [1] Biswas R, Sofronova R, Sack H, Alam M. Cat2type: Wikipedia category embeddings for entity typing in knowledge graphs. InProceedings of the 11th on Knowledge Capture Conference 2021 Dec 2 (pp. 81-88). [2] Biswas R, Portisch J, Paulheim H, Sack H, Alam M. Entity type prediction leveraging graph walks and entity descriptions. In The Semantic Web–ISWC 2022: 21st International Semantic Web Conference, Virtual Event, October 23–27, 2022, Proceedings 2022 Oct 16 (pp. 392-410). Cham: Springer International Publishing. [3] Biswas R, Chen Y, Paulheim H, Sack H, Alam M. It’s All in the Name: Entity Typing Using Multilingual Language Models. In The Semantic Web: ESWC 2022 Satellite Events: Hersonissos, Crete, Greece, May 29–June 2, 2022, Proceedings 2022 Jul 20 (pp. 36-41). Cham: Springer International Publishing. [4] Biswas R, Sofronova R, Alam M, Heist N, Paulheim H, Sack H. Do judge an entity by its name! entity typing using language models. In The Semantic Web: ESWC 2021 Satellite Events: Virtual Event, June 6–10, 2021, Revised Selected Papers 18 2021 (pp. 65-70). Springer International Publishing.

本数据集均应用于知识图谱补全（Knowledge Graph Completion）任务中的实体类型预测（Entity Type Prediction）。<strong>DB630k_Fine-grained_Hierarchical.zip</strong> 数据集已被文献[1]与[2]采用，其为原本面向文本分类（Text Classification）任务构建的DBpedia630k数据集的扩展版本，可在此处获取。<strong>FIGER.zip</strong> 数据集同样被文献[1]与[2]采用。<strong>MultilingualETdata.zip</strong> 数据集已被文献[3]采用。<strong>NamesETdata.zip</strong> 数据集已被文献[4]采用。CaLiGraph测试集亦可在此处下载。
[1] Biswas R, Sofronova R, Sack H, Alam M. Cat2Type：面向知识图谱实体类型预测的维基百科类别嵌入方法. 收录于：2021年第11届知识获取会议（Knowledge Capture Conference）论文集，2021年12月2日，第81-88页。
[2] Biswas R, Portisch J, Paulheim H, Sack H, Alam M. 基于图遍历与实体描述的实体类型预测方法. 收录于：2022年第21届国际语义网会议（International Semantic Web Conference, ISWC 2022）虚拟会议论文集，2022年10月16日出版，第392-410页. 瑞士沙姆：施普林格国际出版公司。
[3] Biswas R, Chen Y, Paulheim H, Sack H, Alam M. 命名即一切：基于多语言大语言模型（Large Language Model）的实体类型预测方法. 收录于：2022年欧洲语义网会议卫星活动（ESWC 2022 Satellite Events）论文集，会议举办地为希腊克里特岛赫索尼索斯，2022年5月29日至6月2日，2022年7月20日出版，第36-41页. 瑞士沙姆：施普林格国际出版公司。
[4] Biswas R, Sofronova R, Alam M, Heist N, Paulheim H, Sack H. 莫以名断？基于语言模型的实体类型预测方法. 收录于：2021年欧洲语义网会议卫星活动（ESWC 2021 Satellite Events）虚拟会议论文集，2021年6月6日至10日，修订后精选论文集第18卷，2021年，第65-70页. 施普林格国际出版公司。