用有影响力样本解释知识图谱嵌入模型中的链接预测
机器学习
2022-12-07 v1
摘要
我们研究知识图谱嵌入（KGE）模型中链接预测的解释问题。我们提出一种基于样本的方法，利用知识图谱中节点与边的潜在空间表示来解释预测。我们通过观察移除有影响力三元组后模型性能的渐进退化来评估所识别三元组的重要性。我们的实验表明，这种生成解释的方法在两个公开可用数据集上的 KGE 模型中优于基线。
引用
@article{arxiv.2212.02651,
title = {Explaining Link Predictions in Knowledge Graph Embedding Models with Influential Examples},
author = {Adrianna Janik and Luca Costabello},
journal= {arXiv preprint arXiv:2212.02651},
year = {2022}
}