利用图游走与实体描述进行实体类型预测
计算与语言
2022-08-01 v2 人工智能
摘要
知识图谱（KGs，如DBpedia、Freebase等）中的实体类型信息常因自动生成或人工整理而不完整。实体类型标注（entity typing）是指在知识图谱中分配或推断实体语义类型的任务。本文提出GRAND，一种利用RDF2vec中不同图游走策略并结合文本实体描述的实体类型标注新方法。RDF2vec首先生成图游走，然后使用语言模型获得图中每个节点的嵌入。本研究表明，游走生成策略和嵌入模型对实体类型标注任务的性能有显著影响。所提方法在基准数据集DBpedia和FIGER上，针对知识图谱中细粒度和粗粒度类别的实体类型标注，均优于基线方法。结果表明，顺序感知的RDF2vec变体结合文本实体描述的上下文嵌入取得了最佳结果。
引用
@article{arxiv.2207.14094,
title = {Entity Type Prediction Leveraging Graph Walks and Entity Descriptions},
author = {Russa Biswas and Jan Portisch and Heiko Paulheim and Harald Sack and Mehwish Alam},
journal= {arXiv preprint arXiv:2207.14094},
year = {2022}
}