类比推理增强的知识图谱嵌入
人工智能
2023-02-07 v2 计算与语言
摘要
知识图谱嵌入(KGE)将知识图谱中的实体与关系映射至连续向量空间，在预测知识图谱中缺失链接方面已取得巨大成功。然而，知识图谱常包含难以被KGE归纳推断的不完整三元组。为应对该挑战，我们求助于类比推理，提出一种新颖且通用的自监督框架AnKGE，以类比推理能力增强KGE模型。我们提出一种类比对象检索器，从实体级、关系级与三元组级检索合适的类比对象。在AnKGE中，我们以训练良好的KGE模型的原始元素嵌入为输入，为每一级类比推理训练一个类比函数，输出类比对象嵌入。为结合原始KGE模型的归纳推断能力与AnKGE增强的类比推理能力，我们将类比分数与基模型分数插值，并在预测的分数函数中引入自适应权重。通过在FB15k-237与WN18RR数据集上的大量实验，我们表明AnKGE在链接预测任务上取得有竞争力的结果，并良好地执行类比推理。
引用
@article{arxiv.2301.00982,
title = {Analogical Inference Enhanced Knowledge Graph Embedding},
author = {Zhen Yao and Wen Zhang and Mingyang Chen and Yufeng Huang and Yi Yang and Huajun Chen},
journal= {arXiv preprint arXiv:2301.00982},
year = {2023}
}
备注
Accepted by AAAI 2023