Edge：利用外部文本丰富知识图谱嵌入
计算与语言
2021-04-13 v1 机器学习
摘要
知识图谱存在稀疏性问题，这降低了各种方法所生成表示的质量。尽管整个网络中存在大量文本信息以及许多现有知识库，但在这些不同数据源之间对齐信息在文献中仍是一项挑战。先前的工作通过基于知识图谱实体与外部文本中词语的“硬”共现来丰富知识图谱实体，从而部分解决了该问题，而我们通过提出一个名为 Edge 的知识图谱丰富与嵌入框架实现了“软”增强。给定一个原始知识图谱，我们首先在语义和结构上利用外部文本生成一个丰富但含噪的增强图。为提炼相关知识并抑制引入的噪声，我们在原始图与增强图之间的共享嵌入空间中设计了一个图对齐项。为增强在增强图上的嵌入学习，我们进一步基于负采样对目标实体的局部性关系进行正则化。在四个基准数据集上的实验结果表明，Edge 在链接预测和节点分类任务中具有鲁棒性与有效性。
引用
@article{arxiv.2104.04909,
title = {Edge: Enriching Knowledge Graph Embeddings with External Text},
author = {Saed Rezayi and Handong Zhao and Sungchul Kim and Ryan A. Rossi and Nedim Lipka and Sheng Li},
journal= {arXiv preprint arXiv:2104.04909},
year = {2021}
}
备注
Accepted in NAACL'21