CoDEx：一个全面的知识图谱补全基准
计算与语言
2020-10-07 v2 人工智能
信息检索
机器学习
摘要
我们提出 CoDEx，一组从 Wikidata 和 Wikipedia 抽取的知识图谱补全数据集，其在规模与难度水平上改进了现有的知识图谱补全基准。在规模方面，CoDEx 包含三个大小和结构各异的知识图谱、实体与关系的多语言描述，以及数万个看似合理但经验证为假的困难负三元组。为刻画 CoDEx，我们提供了详尽的实证分析与基准实验。首先，我们依据逻辑关系模式分析每个 CoDEx 数据集。接着，我们报告五个经过充分调参的嵌入模型在 CoDEx 上的基线链接预测与三元组分类结果。最后，我们通过展示 CoDEx 涵盖更多样且可解释的内容、且是更难的链接预测基准，将其与流行的 FB15K-237 知识图谱补全数据集区分开。数据、代码与预训练模型可在 https://bit.ly/2EPbrJs 获取。
引用
@article{arxiv.2009.07810,
title = {CoDEx: A Comprehensive Knowledge Graph Completion Benchmark},
author = {Tara Safavi and Danai Koutra},
journal= {arXiv preprint arXiv:2009.07810},
year = {2020}
}
备注
EMNLP 2020