COTET：面向知识图谱实体类型的跨视图最优传输
人工智能
2024-05-24 v1 计算与语言
机器学习
摘要
知识图谱实体类型推断（KGET）旨在推断知识图谱中缺失的实体类型实例。以往研究主要围绕利用与实体关联的上下文信息展开，这些信息为推断提供了有价值的线索。然而，这些方法长期忽视了实体固有的双重信息本质，包括高层次粗粒度聚类知识和细粒度类型知识。本文引入了跨视图最优传输用于知识图谱实体类型（COTET），一种有效融合类型如何聚类到实体和类型表示中的信息的方法。COTET 包含三个模块：i) 多视图生成与编码器，通过实体-类型、实体-聚类和类型-聚类-类型视角捕获不同粒度的结构知识；ii) 跨视图最优传输，通过分布对齐视角最小化 Wasserstein 距离将视图特定嵌入传输到统一空间；iii) 基于池化的实体类型预测，采用混合池化机制聚合来自实体各个邻居的预测得分。此外，我们引入基于分布的损失函数以缓解训练期间假阳性发生。广泛的实验表明 COTET 在与现有基线方法比较时效果更佳。
引用
@article{arxiv.2405.13602,
title = {COTET: Cross-view Optimal Transport for Knowledge Graph Entity Typing},
author = {Zhiwei Hu and Víctor Gutiérrez-Basulto and Zhiliang Xiang and Ru Li and Jeff Z. Pan},
journal= {arXiv preprint arXiv:2405.13602},
year = {2024}
}