面向知识图谱补全的上下文增强实体与关系嵌入
计算与语言
2020-12-15 v1 人工智能
摘要
多数知识图谱补全研究通过学习实体与关系的表示来预测不完整知识图谱中的缺失链接。然而，这些方法未能充分利用实体与关系的上下文信息。在此，我们从实体与关系所构成的三元组中抽取其实体与关系的上下文。我们提出一个名为AggrE的模型，该模型在多跳上分别对实体上下文与关系上下文进行高效聚合，并学习用于知识图谱补全的上下文增强实体与关系嵌入。实验结果表明，AggrE与现有模型相比具有竞争力。
引用
@article{arxiv.2012.07011,
title = {Context-Enhanced Entity and Relation Embedding for Knowledge Graph Completion},
author = {Ziyue Qiao and Zhiyuan Ning and Yi Du and Yuanchun Zhou},
journal= {arXiv preprint arXiv:2012.07011},
year = {2020}
}
备注
2 pages, accepted by AAAI-21 student abstract and poster program