面向时序知识预测的自适应伪孪生策略网络
人工智能
2022-04-27 v1 机器学习
摘要
时序知识预测是近年来备受关注的事件预警关键任务，旨在利用时序知识图上的相关历史事实预测未来事实。该预测任务存在两大难点。其一，从历史事实角度看，如何对事实的演化模式进行建模以准确预测查询。其二，从查询角度看，如何在一个统一框架中处理查询包含已见实体与未见实体两种情况。受这两大问题驱动，我们提出了一种基于强化学习的、用于时序知识预测的新型自适应伪孪生策略网络。具体而言，我们将模型中的策略网络设计为伪孪生策略网络，其由两个子策略网络组成。在子策略网络 I 中，智能体沿实体-关系路径搜索查询答案以捕捉静态演化模式；在子策略网络 II 中，智能体沿关系-时间路径搜索查询答案以处理未见实体。此外，我们开发了时序关系编码器以捕捉时序演化模式。最后，我们设计了一种门控机制，自适应地整合两个子策略网络的结果，帮助智能体聚焦于目标答案。为评估模型性能，我们在四个基准数据集上进行了链接预测，实验结果表明与现有方法相比，我们的方法取得了可观的性能。
引用
@article{arxiv.2204.12036,
title = {Adaptive Pseudo-Siamese Policy Network for Temporal Knowledge Prediction},
author = {Pengpeng Shao and Tong Liu and Feihu Che and Dawei Zhang and Jianhua Tao},
journal= {arXiv preprint arXiv:2204.12036},
year = {2022}
}