Farspredict：一个用于链接预测的基准数据集

基于知识图谱嵌入（KGE）的链接预测是一种流行的知识图谱补全方法。此外，在非英语知识图谱上训练 KGE 有助于在这些语言环境下进行知识抽取与知识图谱推理。然而，非英语 KGE 在学习的低维表示知识图谱实体与关系时面临诸多挑战。本文提出“Farspredict”，一个基于 Farsbase（最全面的波斯语知识图谱）的波斯语知识图谱，并阐释了知识图谱结构如何影响 KGE 中的链接预测精度。为评估 Farspredict，我们在其上实现了流行的 KGE 模型，并将结果与 Freebase 对比。根据分析结果，对知识图谱进行了若干优化以提升其在 KGE 中的功能性，从而得到一个新的波斯语知识图谱。在 Farspredict 上的 KGE 模型实现结果在许多情况下优于 Freebase。最后，我们讨论了哪些改进可有效提升 Farspredict 的质量以及提升幅度。