友好邻居：情境化序列到序列链接预测
机器学习
2023-06-01 v2 人工智能
社会与信息网络
摘要
我们提出 KGT5-context，一种用于知识图谱（KG）中链接预测（LP）的简单序列到序列模型。我们的工作扩展了近期的 LP 模型 KGT5，该模型利用 KG 的文本特征，模型规模小且可扩展。然而，为获得良好的预测性能，KGT5 依赖于与知识图谱嵌入模型的集成，而后者本身过于庞大且使用成本高昂。在这篇短文中，我们通过经验表明，添加情境信息——即关于查询实体直接邻域的信息——缓解了获得良好性能对独立 KGE 模型的需求。所得的 KGT5-context 模型简单，显著减小了模型规模，并在我们的实验研究中取得了最先进的性能。
引用
@article{arxiv.2305.13059,
title = {Friendly Neighbors: Contextualized Sequence-to-Sequence Link Prediction},
author = {Adrian Kochsiek and Apoorv Saxena and Inderjeet Nair and Rainer Gemulla},
journal= {arXiv preprint arXiv:2305.13059},
year = {2023}
}
备注
7 pages, 2 figures