知识图谱中归纳关系预测的锚定路径
机器学习
2023-12-22 v1 人工智能
摘要
关系预测旨在准确预测表示实体间关系的缺失边，这些关系在现实世界的知识图谱（KG）中普遍存在，对于增强KG的全面性和实用性起着关键作用。由于路径方法具有归纳性和可解释性，近期研究聚焦于此类方法。然而，当大量推理路径在KG中不形成闭合路径（CP）时，这些方法面临巨大挑战。为解决这一挑战，我们提出锚定路径句子变换器（APST），通过引入锚定路径（AP）来减轻对CP的依赖。具体而言，我们开发了一种基于搜索的描述检索方法来丰富实体描述，以及一种评估机制来评估AP的合理性。APST将AP和CP作为统一句子变换器架构的输入，从而实现全面的预测和高质量的解释。我们在三个公开数据集上评估APST，在36个直推、归纳和少样本实验设置中的30个上达到了最先进（SOTA）性能。
引用
@article{arxiv.2312.13596,
title = {Anchoring Path for Inductive Relation Prediction in Knowledge Graphs},
author = {Zhixiang Su and Di Wang and Chunyan Miao and Lizhen Cui},
journal= {arXiv preprint arXiv:2312.13596},
year = {2023}
}