用于时序知识图谱补全的历时嵌入
机器学习
2019-07-09 v1 人工智能
机器学习
摘要
知识图谱（KGs）通常包含指示不同时间实体间关系的时间事实。由于其不完备性，已有多种方法基于已有事实推断新事实——该问题称为KG补全。KG嵌入方法已被证明对KG补全有效，但它们大多针对静态KG而发展。开发时序KG嵌入模型是日益重要的问题。本文通过为静态模型配备历时实体嵌入函数（提供任意时刻实体的特征）构建用于时序KG补全的新模型。这与现有仅提供静态实体特征的时序KG嵌入方法形成对比。所提嵌入函数与模型无关，可与任意静态模型结合。我们证明将其与近期静态KG嵌入模型SimplE结合，可得到时序KG补全的完全表达性模型。实验表明我们的方案优于现有基线。
引用
@article{arxiv.1907.03143,
title = {Diachronic Embedding for Temporal Knowledge Graph Completion},
author = {Rishab Goel and Seyed Mehran Kazemi and Marcus Brubaker and Pascal Poupart},
journal= {arXiv preprint arXiv:1907.03143},
year = {2019}
}