知识图谱补全模型的开放世界扩展
人工智能
2020-01-10 v1 计算与语言
摘要
我们提出了一种基于嵌入的知识图谱补全模型的新扩展，使其能够在开放世界中进行链接预测，即基于训练时未出现实体的文本描述来预测其相关事实。我们的模型将知识图谱中学习到的常规链接预测模型与从文本语料库中学习到的词嵌入相结合。在两者独立训练后，我们学习一个变换，将实体名称与描述的嵌入映射到基于图的嵌入空间。在包括 FB20k、DBPedia50k 以及我们的新数据集 FB15k-237-OWE 在内的多个数据集上的实验中，我们展示了具有竞争力的结果。特别地，我们的方法即使在文本描述稀缺时也能利用完整的知识图谱结构，不需要在图与文本上进行联合训练，并且可应用于任何基于嵌入的链接预测模型，如 TransE、ComplEx 和 DistMult。
引用
@article{arxiv.1906.08382,
title = {An Open-World Extension to Knowledge Graph Completion Models},
author = {Haseeb Shah and Johannes Villmow and Adrian Ulges and Ulrich Schwanecke and Faisal Shafait},
journal= {arXiv preprint arXiv:1906.08382},
year = {2020}
}
备注
8 pages, accepted to AAAI-2019