基于双智能体学习行走的知识图谱推理
人工智能
2021-12-28 v1
摘要
基于强化学习（RL）的图行走已通过在探索多跳关系路径来自动完成不完整知识图谱（KG）上各种推理任务方面展现出巨大成功。然而，现有的多跳推理方法仅在短推理路径上表现良好，并倾向于随着路径长度增加而错过目标实体。这对于真实场景中的许多推理任务是不利的，其中连接源实体和目标实体的短路径在不完整 KGs 中不可用，因此除非智能体能够从更长路径中寻找更多线索，否则推理性能会急剧下降。为应对上述挑战，在本文中我们提出了一种双智能体强化学习框架，其训练两个智能体（GIANT 和 DWARF）联合在 KG 上行走并协作搜索答案。我们的方法通过指派其中一个智能体（GIANT）在簇级路径上快速搜索并为另一个智能体（DWARF）提供阶段性提示，来解决长路径上的推理挑战。最后，在多个 KG 推理基准上的实验结果表明，我们的方法能更准确高效地搜索答案，并在长路径查询上大幅优于现有的基于 RL 的方法。
引用
@article{arxiv.2112.12876,
title = {Learning to Walk with Dual Agents for Knowledge Graph Reasoning},
author = {Denghui Zhang and Zixuan Yuan and Hao Liu and Xiaodong Lin and Hui Xiong},
journal= {arXiv preprint arXiv:2112.12876},
year = {2021}
}