Vervollständigung von Wissensgraphen zur Aktionsvorhersage – Haushaltsaufgaben als Fallstudie

Wissensgraphen finden in vielen Bereichen Anwendung, von der Industrie 4.0 bis zur Biomedizin. In dieser Arbeit konzentrieren sich die Autoren auf Graphen, die Haushaltsaktionen beschreiben, um sowohl Haushaltsroboter zu steuern als auch Videoaufnahmen zu analysieren.

Bei der Analyse von Videos entstehen häufig unvollständige Informationen. Um die Situation vollständig zu erfassen, ist die Vervollständigung des Wissensgraphen entscheidend. Die Autoren zeigen, dass die Vervollständigung von situativen Graphen ein spezielles Link‑Prediction‑Problem darstellt.

Die Untersuchung legt offen, dass viele gängige Link‑Prediction‑Algorithmen aufgrund der besonderen Eigenschaften situativer Graphen nicht geeignet sind. Selbst einfache Baselines übertreffen oft komplexere Modelle, was die Notwendigkeit einer gezielten Anpassung der Methoden unterstreicht.

Die Ergebnisse liefern wertvolle Einblicke für die Entwicklung robuster Vorhersagemodelle in der Haushaltsrobotik und bei der Analyse von Videoaufnahmen, und zeigen, dass ein tieferes Verständnis der Graphstruktur entscheidend für den Erfolg ist.