超关系知识图谱中消息传递的关系交互方法
人工智能
2024-03-05 v2
摘要
超关系知识图谱（KGs）包含额外的键值对，提供了更多关于关系的信息。在许多场景中，同一关系可以具有不同的键值对，使得原始的三元组事实更具识别性和特异性。先前关于超关系 KGs 的研究已建立了一套坚实的超关系图编码标准方法。在本工作中，我们提出了一种基于消息传递的图编码器，具备全局关系结构感知能力，称为 ReSaE。与先前最先进的方法相比，ReSaE 强调消息传递过程中关系的交互，并针对链接预测任务优化了读出结构。总体而言，ReSaE 为超关系 KGs 提供了一种编码解决方案，并确保在下游链接预测任务中表现出更强的性能。我们的实验表明，ReSaE 在多个链接预测基准测试中达到了最先进的性能。此外，我们还分析了不同模型结构对模型性能的影响。
引用
@article{arxiv.2402.15140,
title = {A Relation-Interactive Approach for Message Passing in Hyper-relational Knowledge Graphs},
author = {Yonglin Jing},
journal= {arXiv preprint arXiv:2402.15140},
year = {2024}
}