AutoWeird：由随机搜索发现的奇异平移评分函数
人工智能
2022-07-26 v1 计算与语言
摘要
评分函数（SF）用于度量知识图谱中三元组的合理性。不同的评分函数会在不同知识图谱的链接预测性能上导致巨大差异。在本报告中，我们描述了一种通过对开放图基准（OGB）进行随机搜索发现的奇异评分函数。该评分函数称为 AutoWeird，仅利用三元组中的尾实体和关系来计算其合理性得分。实验结果表明，AutoWeird 在 ogbl-wikikg2 数据集上取得 top-1 性能，但在 ogbl-biokg 数据集上的性能远差于其他方法。通过分析这两个数据集的尾实体分布与评估协议，我们将 AutoWeird 在 ogbl-wikikg2 上的意外成功归因于不恰当的评估与集中的尾实体分布。此类结果或可激励进一步研究如何准确评估知识图谱不同链接预测方法的性能。
引用
@article{arxiv.2207.11673,
title = {AutoWeird: Weird Translational Scoring Function Identified by Random Search},
author = {Hansi Yang and Yongqi Zhang and Quanming Yao},
journal= {arXiv preprint arXiv:2207.11673},
year = {2022}
}