基于卷积神经网络的知识库补全新型嵌入模型
计算与语言
2018-08-14 v2
摘要
本文提出一种用于知识库补全的新型嵌入模型，称为 ConvKB。我们的模型 ConvKB 通过采用卷积神经网络，超越了最先进的模型，从而能够捕捉知识库中实体与关系之间的全局关系和转移特征。在 ConvKB 中，每个三元组（头实体、关系、尾实体）被表示为一个 3 列矩阵，其中每个列向量表示一个三元组元素。该 3 列矩阵随后被输入卷积层，多个滤波器在矩阵上运算以生成不同的特征图。这些特征图随后被拼接成表示输入三元组的单一特征向量。该特征向量通过点积与权重向量相乘以返回一个分数。该分数随后用于预测三元组是否有效。实验表明，在两个基准数据集 WN18RR 和 FB15k-237 上，ConvKB 取得了比先前最先进嵌入模型更好的链接预测性能。
引用
@article{arxiv.1712.02121,
title = {A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network},
author = {Dai Quoc Nguyen and Tu Dinh Nguyen and Dat Quoc Nguyen and Dinh Phung},
journal= {arXiv preprint arXiv:1712.02121},
year = {2018}
}
备注
In Proceedings of NAACL-HLT 2018, to appear