基于子图适应的少样本知识图谱关系推理
计算与语言
2024-06-25 v1 机器学习
摘要
少样本知识图谱关系推理旨在给定这些关系的仅几个三元组（即支持三元组）作为参考，预测这些稀有关系的未知三元组（即查询三元组）。由于知识图谱在各种自然语言处理应用中广泛使用，该任务获得了广泛关注。以前的方法利用元训练方法和手动构建的元关系集合来应对该任务。近期研究聚焦于基于边掩码的方法，这些方法利用目标三元组（即包含相关三元组的子图）的结构化图进行推理。然而，现有的边掩码方法在从知识图谱中提取足够信息方面存在局限，并且高度受到知识图谱中无关信息的影响。为克服这些挑战，我们提出了SAFER（Subgraph Adaptation for Few-shot Relational Reasoning），一种新方法有效地将上下文化图中的信息适应到由支持查询三元组生成的各种子图，以进行预测。具体而言，SAFER在预测查询三元组时，能够从支持三元组中提取更全面的信息，同时最小化无关信息的影响。在三个流行数据集上的实验结果表明，我们提出的框架SAFER具有优势。
引用
@article{arxiv.2406.15507,
title = {Few-shot Knowledge Graph Relational Reasoning via Subgraph Adaptation},
author = {Haochen Liu and Song Wang and Chen Chen and Jundong Li},
journal= {arXiv preprint arXiv:2406.15507},
year = {2024}
}