知识图上的元推理
计算与语言
2019-08-15 v1
摘要
对所学知识进行推理是人类与生俱来的能力，人类仅需少量示例即可轻松掌握新的推理规则。虽然大多数现有知识图（KG）推理研究假设有充足的训练样本，我们研究在元学习范式下少样本知识图推理这一具有挑战性且实用的问题。我们提出一种新的元学习框架，有效利用任务特定的元信息，如KG中的局部图邻居与推理路径。具体而言，我们设计了一个元编码器，将元信息编码为不同任务的任务特定初始化参数。这使得我们的推理模块在学习对不同关系进行推理时拥有多样的起点，预期能更好地拟合目标任务。在两个少样本知识库补全基准上，我们展示了增强的任务特定元编码器比MAML产生更好的初始点，并优于若干少样本学习基线。
引用
@article{arxiv.1908.04877,
title = {Meta Reasoning over Knowledge Graphs},
author = {Hong Wang and Wenhan Xiong and Mo Yu and Xiaoxiao Guo and Shiyu Chang and William Yang Wang},
journal= {arXiv preprint arXiv:1908.04877},
year = {2019}
}