知识图谱中的上下文感知实体类型推断
计算与语言
2021-09-17 v1
摘要
知识图谱实体类型推断旨在推断知识图谱中实体缺失的类型，这是一个重要但未被充分探索的问题。本文利用实体的上下文信息，为该任务提出了一种新颖的方法。具体而言，我们设计了两种推断机制：i) N2T：独立使用实体的每个邻居来推断其类型；ii) Agg2T：聚合实体的邻居来推断其类型。这些机制将产生多个推断结果，并使用指数加权池化方法生成最终推断结果。此外，我们提出了一种新颖的损失函数，以缓解训练过程中的假阴性问题。在两个真实世界知识图谱上的实验证明了我们方法的有效性。本文的源代码和数据可从 https://github.com/CCIIPLab/CET 获取。
引用
@article{arxiv.2109.07990,
title = {Context-aware Entity Typing in Knowledge Graphs},
author = {Weiran Pan and Wei Wei and Xian-Ling Mao},
journal= {arXiv preprint arXiv:2109.07990},
year = {2021}
}