基于图的 N 元关系事实链接预测方法

知识图谱（KGs）上的链接预测是一个关键研究课题。以往工作主要关注二元关系，较少关注高阶关系，尽管它们在真实世界 KGs 中无处不在。本文考虑对 n 元关系事实的链接预测，并提出一种基于图的方法来完成该任务。我们方法的关键在于将一个事实的 n 元结构表示为一个小的异构图，并用边偏置全连接注意力对该图建模。全连接注意力捕获普遍的顶点间交互，同时通过边感知的注意力偏置来特别地编码图结构及其异构性。以此方式，我们的方法充分建模了每个 n 元事实中的全局与局部依赖，从而能更有效地捕获其中的关联。大量评测验证了我们所提方法的有效性与优越性。在多种 n 元关系基准上，它都比当前 SOTA 方法表现大幅且一致地更好。我们的代码已公开可用。