知识图基础模型的表达能力如何？
机器学习
2025-06-10 v2 人工智能
摘要
知识图基础模型（KGFMs）处于知识图（KG）深度学习的前沿，因为它们能够泛化到具有不同关系词汇的全新知识图。尽管取得了经验上的成功，我们对 KGFMs 的理论理解仍然非常有限。在本文中，我们对 KGFMs 的表达能力进行了严格的研究。具体而言，我们表明 KGFMs 的表达能力直接取决于用于学习关系表示的模体。随后我们观察到，现有文献中最典型的模体是二元的，因为其表示是基于关系对如何交互来学习的，这限制了模型的表达能力。作为研究的一部分，我们使用更丰富的模体设计了更具表达能力的 KGFMs，这需要基于例如关系三元组如何相互交互来学习关系表示。最后，我们通过实验验证了理论发现，表明在来自不同领域的广泛数据集上，使用更丰富的模体能带来更好的性能。
引用
@article{arxiv.2502.13339,
title = {How Expressive are Knowledge Graph Foundation Models?},
author = {Xingyue Huang and Pablo Barceló and Michael M. Bronstein and İsmail İlkan Ceylan and Mikhail Galkin and Juan L Reutter and Miguel Romero Orth},
journal= {arXiv preprint arXiv:2502.13339},
year = {2025}
}