基于知识约束的多语言知识图谱完成
计算与语言
2024-06-27 v1
摘要
多语言知识图谱完成（mKGC）旨在通过推理尾实体t来解决不同语言中的查询（h, r, ?），从而改进多语言知识图谱。以往的研究利用多语言预训练语言模型（PLMs）和生成范式来实现mKGC。尽管多语言预训练语言模型包含不同语言的广泛知识，但其预训练任务无法直接对齐mKGC任务。此外，当前大多数知识图谱和PLMs都呈现出显著的英语中心偏见。这使得mKGC难以在低资源语言环境中取得好结果。为克服上述问题，本文引入全局和局部知识约束用于mKGC。前者用于约束答案实体的推理，而后者用于增强查询上下文的表示。该方法使预训练模型更适应mKGC任务。实验结果表明，我们的方法在公开数据集上在Hits@1和Hits@10上分别比以往SOTA提高了平均12.32%和16.03%，这表明我们提出的方法在mKGC方面具有显著的增强作用。
引用
@article{arxiv.2406.18085,
title = {Multilingual Knowledge Graph Completion from Pretrained Language Models with Knowledge Constraints},
author = {Ran Song and Shizhu He and Shengxiang Gao and Li Cai and Kang Liu and Zhengtao Yu and Jun Zhao},
journal= {arXiv preprint arXiv:2406.18085},
year = {2024}
}
备注
11 pages, ACL 2023