KG-BERT：用于知识图谱补全的BERT模型
计算与语言
2019-09-12 v2 人工智能
摘要
知识图谱是许多人工智能任务的重要资源，但常常面临不完整的问题。在这项工作中，我们提出使用预训练语言模型进行知识图谱补全。我们将知识图谱中的三元组视为文本序列，并提出一个名为知识图谱双向编码器表示变换器（KG-BERT）的新颖框架来对这些三元组建模。我们的方法以三元组的实体和关系描述作为输入，并使用KG-BERT语言模型计算三元组的评分函数。在多个基准知识图谱上的实验结果表明，我们的方法在三元组分类、链接预测和关系预测任务中可以达到最先进的性能。
引用
@article{arxiv.1909.03193,
title = {KG-BERT: BERT for Knowledge Graph Completion},
author = {Liang Yao and Chengsheng Mao and Yuan Luo},
journal= {arXiv preprint arXiv:1909.03193},
year = {2019}
}