面向大规模知识图谱嵌入训练的语义分区方法
机器学习
2025-01-09 v1 分布式、并行与集群计算
摘要
近年来，知识图谱嵌入取得了显著的成功。已提出多种方法在各种任务中实现了最新成果。然而，当前大多数方法存在以下问题之一：（i）仅关注事实三元组，忽略了知识图谱的本体信息。（ii）获得的嵌入包含的语义信息不足，导致这些嵌入在语义任务中使用时存在问题。（iii）无法实现大规模训练。本文提出了一种新算法，融合知识图谱的本体信息，并基于类进行知识图谱分区，以包含更多语义信息并实现大规模知识图谱嵌入的并行训练。我们的初步结果表明，该算法在几个流行基准测试上表现良好。
引用
@article{arxiv.2501.04613,
title = {A Semantic Partitioning Method for Large-Scale Training of Knowledge Graph Embeddings},
author = {Yuhe Bai},
journal= {arXiv preprint arXiv:2501.04613},
year = {2025}
}
备注
Accepted at WWW '23 Companion: Companion Proceedings of the ACM Web Conference 2023