基于神经嵌入的链接预测任务的全局与局部评估
人工智能
2018-07-30 v1 机器学习
机器学习
摘要
我们关注知识图谱的链接预测问题，本文将其视为对实体神经嵌入的二分类任务。通过比较、组合并扩展针对不同领域基于图的数据的链接预测方法，我们形式化了一种用于知识图谱神经嵌入质量评估基准的统一方法。该基准随后被用于实证考察为整个图全局训练神经嵌入的潜力，而非通常的针对特定关系局部训练嵌入的方式。这种测试嵌入质量的新方式评估了在有限数据下可扩展链接预测的二分类器性能。我们的评估流程已开源，借此我们旨在引起学界对神经嵌入评估的透明性与可重复性这一重要问题的更多关注。
引用
@article{arxiv.1807.10511,
title = {Global and local evaluation of link prediction tasks with neural embeddings},
author = {Asan Agibetov and Matthias Samwald},
journal= {arXiv preprint arXiv:1807.10511},
year = {2018}
}
备注
Accepted to 4th Semantic Deep Learning (SemDeep-4) Workshop at the ISWC 2018