GREASE：一种面向知识图谱相关性搜索的生成式模型
信息检索
2019-10-14 v1 数据库
摘要
相关性搜索旨在知识图谱（KG）中寻找与查询实体相关的排名靠前的实体。相关性是模糊的，尤其在像 DBpedia 这样模式丰富的 KG 上，其基于众多类型的关系与属性支持多种不同的相关性语义。由于用户可能缺乏形式化所需语义的专业知识，已有监督方法从用户提供的示例中学习隐藏的用户定义相关性。沿此思路，本文提出一种新颖的 KG 上用于相关性搜索的生成式模型，名为 GREASE。该模型适用于基于元路径的相关性，其中元路径刻画了将查询实体与答案实体相关联的特定语义类型。它也被扩展以支持约束答案实体的属性。在两个大规模 KG 上的大量实验表明，GREASE 在有效性、表达力和效率上均推进了当前最优水平。
引用
@article{arxiv.1910.04927,
title = {GREASE: A Generative Model for Relevance Search over Knowledge Graphs},
author = {Tianshuo Zhou and Ziyang Li and Gong Cheng and Jun Wang and Yu'Ang Wei},
journal= {arXiv preprint arXiv:1910.04927},
year = {2019}
}
备注
9 pages, accepted to WSDM 2020