用于知识库补全的邻域混合模型
计算与语言
2017-03-10 v3 人工智能
摘要
知识库是许多自然语言处理任务的有用资源，然而它们远未完善。在本文中，我们定义了一种新的实体表示，将其作为知识库中该实体邻域的混合，并将此技术应用于 TransE——一种用于知识库补全的著名嵌入模型。实验结果表明，邻域信息显著有助于改善 TransE 模型的结果，在三个用于三元组分类、实体预测和关系预测任务的基准数据集上，其性能优于其他 state-of-the-art 嵌入模型。
引用
@article{arxiv.1606.06461,
title = {Neighborhood Mixture Model for Knowledge Base Completion},
author = {Dat Quoc Nguyen and Kairit Sirts and Lizhen Qu and Mark Johnson},
journal= {arXiv preprint arXiv:1606.06461},
year = {2017}
}
备注
V1: In Proceedings of the 20th SIGNLL Conference on Computational Natural Language Learning, CoNLL 2016. V2: Corrected citation to (Krompa{\ss} et al., 2015). V3: A revised version of our CoNLL 2016 paper to update latest related work