共轭关系建模的少样本知识图谱补全
计算与语言
2026-01-22 v2
摘要
少样本知识图谱补全（FKGC）从有限的支持样本中推断缺失的三元组，以应对长尾分布挑战。现有方法然而难以捕捉复杂的关系模式并缓解数据稀疏性。为此，本文提出一种新的FKGC框架，用于共轭关系建模（CR-FKGC）。具体而言，它采用邻域聚合编码器整合更高阶的邻居信息，采用共轭关系学习器结合隐式条件扩散关系模块和稳定关系模块以捕捉稳定语义和不确定性偏移，并采用流形共轭解码器以在流形空间中高效评估和推断缺失的三元组。在三个基准数据集上的实验表明，我们的方法在性能上优于最先进的方法。
引用
@article{arxiv.2510.22656,
title = {Conjugate Relation Modeling for Few-Shot Knowledge Graph Completion},
author = {Zilong Wang and Qingtian Zeng and Hua Duan and Cheng Cheng and Minghao Zou and Ziyang Wang},
journal= {arXiv preprint arXiv:2510.22656},
year = {2026}
}