面向语义与结构变化的知识图谱链接预测神经嵌入基准评测
人工智能
2020-08-31 v2 计算与语言
机器学习
摘要
近年来，基于神经嵌入的链接预测算法在语义网社区中获得了极大的关注，并被广泛用于知识图谱补全。尽管算法方面的进展强烈聚焦于高效的嵌入学习方法，但对其性能与鲁棒性的不同评估方式的关注较少。在本工作中，我们提出了一个开源评估流水线，用于在知识图谱可能经历语义与结构变化的情况下对神经嵌入的准确性进行基准评测。我们定义了以关系为中心的连通性度量，使我们能够将链接预测能力与知识图谱的结构联系起来。这样的评估流水线对于模拟预期频繁更新的知识图谱的嵌入准确性尤为重要。
引用
@article{arxiv.2005.07654,
title = {Benchmarking neural embeddings for link prediction in knowledge graphs under semantic and structural changes},
author = {Asan Agibetov and Matthias Samwald},
journal= {arXiv preprint arXiv:2005.07654},
year = {2020}
}