面向超关系知识图谱的消息传递
机器学习
2020-09-24 v1 人工智能
计算与语言
机器学习
摘要
超关系知识图谱（KG）（如 Wikidata）能够将额外的键值对与主三元组关联，以消歧或限制事实的有效性。在这项工作中，我们提出了一种基于消息传递的图编码器——StarE，能够建模此类超关系 KG。与现有方法不同，StarE 可以编码与主三元组一起的任意数量的附加信息（限定符），同时保持限定符和三元组的语义角色不变。我们还证明，现有的用于评估超关系 KG 上链接预测（LP）性能的基准存在根本性缺陷，因此开发了一个新的基于 Wikidata 的数据集——WD50K。我们的实验表明，基于 StarE 的 LP 模型在多个基准上优于现有方法。我们还确认，利用限定符对于链接预测至关重要，与基于三元组的表示相比，MRR 提升高达 25 个点。
引用
@article{arxiv.2009.10847,
title = {Message Passing for Hyper-Relational Knowledge Graphs},
author = {Mikhail Galkin and Priyansh Trivedi and Gaurav Maheshwari and Ricardo Usbeck and Jens Lehmann},
journal= {arXiv preprint arXiv:2009.10847},
year = {2020}
}
备注
Accepted to EMNLP 2020