改进超关系知识图谱补全
机器学习
2021-04-19 v1
摘要
与传统知识图谱(KGs)中将事实表示为实体-关系-实体三元组不同,超关系知识图谱(HKGs)允许三元组与额外的关系-实体对(即限定符)相关联,以传达更复杂的信息。如何有效且高效地建模三元组-限定符关系以用于 HKG 补全等预测任务是一个开放的研究挑战。本文提出通过引入两个新颖改进来提升 HKG 补全中性能最佳的方法 STARE:(1) 用轻量级实体/关系嵌入处理技术替换计算繁重的图神经网络模块,以在不牺牲有效性的前提下提升效率;(2) 添加面向限定符的辅助训练任务,以增强我们方法在 HKG 补全上的预测能力。所提方法在三个基准数据集上的实验中一致优于 STARE,且计算效率显著提升。
引用
@article{arxiv.2104.08167,
title = {Improving Hyper-Relational Knowledge Graph Completion},
author = {Donghan Yu and Yiming Yang},
journal= {arXiv preprint arXiv:2104.08167},
year = {2021}
}