持久同调能否为知识图谱补全方法的评估提供高效替代方案？

本文提出一种新方法 $\textit{Knowledge Persistence}$（$\mathcal{KP}$），用于更快评估知识图谱（KG）补全方法。当前基于排序的评估在 KG 规模下呈二次复杂度，导致评估时间长并随之产生高碳足迹。$\mathcal{KP}$ 通过拓扑数据分析（具体使用持久同调）来表示 KG 补全方法的拓扑结构，从而解决该问题。持久同调的特性使 $\mathcal{KP}$ 仅观察一小部分数据即可评估 KG 补全的质量。在标准数据集上的实验结果表明，所提度量与排序度量（Hits@N、MR、MRR）高度相关。性能评估显示 $\mathcal{KP}$ 计算高效：在某些情况下，KG 补全方法的评估时间（验证+测试）已从 18 小时（使用 Hits@10）缩短至 27 秒（使用 $\mathcal{KP}$），且平均（跨方法与数据）将评估时间（验证+测试）减少了约 $\textbf{99.96}\%$。