面向知识图谱补全的实体与关系嵌入模型综述
计算与语言
2020-10-28 v9 人工智能
信息检索
摘要
关于实体及其关系的真实世界事实的知识图谱(KGs)是多种自然语言处理任务的有用资源。然而，由于知识图谱通常是不完整的，进行知识图谱补全或链接预测(即预测知识图谱中不存在的关系是否可能为真)是有用的。本文是对面向知识图谱补全的实体与关系嵌入模型的全面综述，总结了标准基准数据集上的最新实验结果，并指出了潜在的未来研究方向。
引用
@article{arxiv.1703.08098,
title = {A survey of embedding models of entities and relationships for knowledge graph completion},
author = {Dat Quoc Nguyen},
journal= {arXiv preprint arXiv:1703.08098},
year = {2020}
}
备注
In Proceedings of the 14th Workshop on Graph-Based Natural Language Processing (TextGraphs 2020); 16 pages, 2 figures, 6 tables