基于关系记忆的嵌入模型用于三元组分类与搜索个性化
计算与语言
2020-04-07 v2
摘要
知识图谱嵌入方法常受限于记忆有效三元组以预测新三元组，从而难以应对三元组分类与搜索个性化问题。为此，我们引入一种新颖的嵌入模型，称为 R-MeN，其探索关系记忆网络以编码关系三元组中的潜在依赖。R-MeN 将每个三元组视为 3 个输入向量的序列，这些向量利用 transformer 自注意力机制与记忆 recurrently 交互。因此 R-MeN 从记忆与每个输入向量的交互中编码新信息，返回相应向量。随后，R-MeN 将这 3 个返回向量送入基于卷积神经网络的解码器，为三元组产生标量分数。实验结果表明，我们所提 R-MeN 在搜索个性化任务 SEARCH17 上，以及三元组分类任务 WN11 和 FB13 上均取得当前最优结果。
引用
@article{arxiv.1907.06080,
title = {A Relational Memory-based Embedding Model for Triple Classification and Search Personalization},
author = {Dai Quoc Nguyen and Tu Dinh Nguyen and Dinh Phung},
journal= {arXiv preprint arXiv:1907.06080},
year = {2020}
}
备注
To appear in Proceedings of ACL 2020