基于自监督自适应图对齐的多语言知识图谱补全
人工智能
2022-03-30 v1 计算与语言
摘要
预测知识图谱(KG)中缺失的事实至关重要，因为现代KG远未完备。由于劳动密集型的人工标注，当处理以多种语言表示的知识时，这一现象更为严重。在本文中，我们探索多语言KG补全，其利用有限的种子对齐作为桥梁，以吸纳来自多种语言的集体知识。然而，先前工作所用的语言对齐仍未被充分利用：(1)对齐对被平等对待以最大化地将平行实体推近，忽略了KG容量不一致性；(2)种子对齐稀缺且新对齐的识别通常以含噪的无监督方式进行。为解决这些问题，我们提出一种新颖的自监督自适应图对齐(SS-AGA)方法。具体而言，SS-AGA通过将对齐视为一种新的边类型，将所有KG融合为整体图。如此，跨KG的信息传播与噪声影响可通过关系感知注意力权重自适应控制。同时，SS-AGA具备一个新的对生成器，以自监督范式动态捕获潜在对齐对。在公开多语言DBPedia KG与新创建的工业多语言电商KG上的大量实验实证展示了SS-AGA的有效性。
引用
@article{arxiv.2203.14987,
title = {Multilingual Knowledge Graph Completion with Self-Supervised Adaptive Graph Alignment},
author = {Zijie Huang and Zheng Li and Haoming Jiang and Tianyu Cao and Hanqing Lu and Bing Yin and Karthik Subbian and Yizhou Sun and Wei Wang},
journal= {arXiv preprint arXiv:2203.14987},
year = {2022}
}