联邦设定下基于元学习的知识图谱知识外推
计算与语言
2022-05-11 v1 人工智能
摘要
我们研究在联邦设定下对伴随新兴知识图谱（KGs）而来的新组件（即实体与关系）进行嵌入的知识外推问题。在该问题中，一个在已有 KG 上训练的模型需要对含有未见实体与关系的新兴 KG 进行嵌入。为求解此问题，我们引入元学习设定，在已有 KG 上采样一组任务以模拟新兴 KG 上的链接预测任务。基于采样任务，我们对一个图神经网络框架进行元训练，使其能依据结构信息为未见组件构建特征并输出其嵌入。实验结果表明，我们所提方法能有效嵌入未见组件，且优于考虑 KG 归纳式设定的模型以及直接采用常规 KG 嵌入方法的基线。
引用
@article{arxiv.2205.04692,
title = {Meta-Learning Based Knowledge Extrapolation for Knowledge Graphs in the Federated Setting},
author = {Mingyang Chen and Wen Zhang and Zhen Yao and Xiangnan Chen and Mengxiao Ding and Fei Huang and Huajun Chen},
journal= {arXiv preprint arXiv:2205.04692},
year = {2022}
}
备注
IJCAI 2022