历史重演：时序知识图预测的基线
机器学习
2024-05-01 v2
摘要
时序知识图 (TKG) 预测旨在基于知识图的历史记录预测未来时间步的知识图中的链接。迄今为止，已有标准化的评估协议和跨 TKG 模型的严格比较，但简单基线在评估中的重要性往往被忽视，这阻碍了研究人员辨别真实的与虚假的进展。我们提议通过设计一个基于预测重复事实的直观基线来弥补这一差距。与大多数 TKG 模型相比，它需要很少的超参数调优且无需迭代训练。此外，它可以帮助识别现有方法中的失败模式。实证结果非常出人意料：在五个数据集上与 11 种方法相比，我们的基线在其中三个数据集上排名第一或第三，描绘了一幅与现有技术预测质量截然不同的图景。
引用
@article{arxiv.2404.16726,
title = {History repeats Itself: A Baseline for Temporal Knowledge Graph Forecasting},
author = {Julia Gastinger and Christian Meilicke and Federico Errica and Timo Sztyler and Anett Schuelke and Heiner Stuckenschmidt},
journal= {arXiv preprint arXiv:2404.16726},
year = {2024}
}
备注
Accepted at IJCAI 2024