Interstellar：面向知识图谱嵌入的循环架构搜索
机器学习
2021-04-29 v3 机器学习
摘要
知识图谱（KG）嵌入在学习 KG 表示方面广为人知。已有许多模型被提出以学习三元组中实体与关系之间的交互。然而，多个三元组间的长期信息对 KG 同样重要。本工作中，基于由三元组序列构成的关系路径，我们将 Interstellar 定义为一种针对路径上短期与长期信息的循环神经架构搜索问题。首先，我们分析了使用统一模型作为 Interstellar 的困难。随后，我们提出为不同 KG 任务搜索循环架构作为 Interstellar。在合成数据上的案例研究说明了所定义搜索问题的重要性。在真实数据集上的实验证明了所搜索模型的有效性以及所提混合搜索算法的效率。
引用
@article{arxiv.1911.07132,
title = {Interstellar: Searching Recurrent Architecture for Knowledge Graph Embedding},
author = {Yongqi Zhang and Quanming Yao and Lei Chen},
journal= {arXiv preprint arXiv:1911.07132},
year = {2021}
}
备注
Accepted to NeurIPS 2020