基于三元组 BERT 网络的知识图谱精炼
计算与语言
2022-11-22 v1 人工智能
摘要
知识图谱嵌入技术被广泛用于知识图谱精炼任务，如图补全和三元组分类。这些技术旨在将知识图谱（KG）中的实体和关系嵌入到低维连续特征空间中。本文采用基于 transformer 的三元组网络，创建一个将 KG 中实体或关系的信息进行聚类的嵌入空间。它从事实中创建文本序列，并微调由预训练基于 transformer 的语言模型组成的三元组网络。它遵循一种依赖于高效空间语义搜索技术的评估范式。我们表明，该评估协议更适用于关系预测任务的少样本设定。我们提出的 GilBERT 方法在多个知名基准知识图谱（如 FB13、WN11 和 FB15K）上的三元组分类和关系预测任务进行了评估。我们表明 GilBERT 在这两个精炼任务上取得了优于或可与最先进性能相媲美的结果。
引用
@article{arxiv.2211.10460,
title = {Knowledge Graph Refinement based on Triplet BERT-Networks},
author = {Armita Khajeh Nassiri and Nathalie Pernelle and Fatiha Sais and Gianluca Quercini},
journal= {arXiv preprint arXiv:2211.10460},
year = {2022}
}
备注
Accepted and presented at the DeepOntoNLP Workshop of the ESWC 2022 conference