HyperFormer：增强实体与关系交互的超关系知识图谱补全模型
人工智能
2023-08-15 v1 计算与语言
摘要
超关系知识图谱（HKG）通过为三元组关联属性-值限定词来扩展标准知识图谱，有效表示了其关联三元组的额外细粒度信息。超关系知识图谱补全（HKGC）旨在考虑限定词推断未知三元组。现有多数 HKGC 方法利用全局级图结构将超关系知识编码至图卷积消息传递过程。然而，多跳信息的加入可能为三元组预测过程带来噪声。为解决此问题，我们提出 HyperFormer，一种考虑局部级序列信息的模型，其编码三元组中实体、关系与限定词的内容。更确切地说，HyperFormer 由三个不同模块组成：实体邻居聚合模块，可整合实体邻居信息以捕捉其不同视角；关系限定词聚合模块，将超关系知识整合至相应关系以精炼关系内容的表示；基于卷积的双向交互模块，基于卷积操作捕捉实体-关系、实体-限定词与关系-限定词的成对双向交互，实现对当前语句相关内容深度感知。此外，我们将混合专家策略引入 HyperFormer 的前馈层，在减少模型参数量与计算量的同时增强其表示能力。在三个知名数据集上四种不同条件下的广泛实验证明了 HyperFormer 的有效性。数据集与代码见 https://github.com/zhiweihu1103/HKGC-HyperFormer。
引用
@article{arxiv.2308.06512,
title = {HyperFormer: Enhancing Entity and Relation Interaction for Hyper-Relational Knowledge Graph Completion},
author = {Zhiwei Hu and Víctor Gutiérrez-Basulto and Zhiliang Xiang and Ru Li and Jeff Z. Pan},
journal= {arXiv preprint arXiv:2308.06512},
year = {2023}
}
备注
Accepted at CIKM'23