基于课程学习的知识图谱嵌入方法 CL4KGE
人工智能
2024-09-10 v2 计算与语言
机器学习
摘要
知识图谱嵌入（KGE）是一项基础性任务，旨在学习知识图谱（KG）中实体和关系的表征，目标是构建足够全面的表征，以近似实体之间的数据逻辑与符号性联系。本文定义一种度量指标 Z-counts，用于衡量知识图谱中每条三元组（<head entity, relation, tail entity>）的训练难度，并通过理论分析进行支撑。基于该度量，我们提出了一种高效的课程学习训练策略，即基于课程学习的知识图谱嵌入方法（CL4KGE）。该方法包含一个难度测度器和一个训练调度器，辅助知识图谱嵌入模型的训练。我们的 approach 能够作为插件式组件灵活集成到广泛的 KGE 模型中，并且能够适应大多数现存的知识图谱。本方法在流行的 KGE 模型上进行了评估，结果表明它能够提升当前方法的性能。将 Z-counts 作为度量指标，使我们能够识别知识图谱中具有挑战性的三元组，从而制定有效的训练策略。
引用
@article{arxiv.2408.14840,
title = {CL4KGE: A Curriculum Learning Method for Knowledge Graph Embedding},
author = {Yang Liu and Chuan Zhou and Peng Zhang and Yanan Cao and Yongchao Liu and Zhao Li and Hongyang Chen},
journal= {arXiv preprint arXiv:2408.14840},
year = {2024}
}
备注
16 pages, 3 figures