NNKGC：利用节点邻域改进知识图谱补全
计算与语言
2023-10-20 v3
摘要
知识图谱补全(KGC)旨在发现查询实体的缺失关系。当前基于文本的模型利用实体名称与描述，在给定头实体和某一关系时推断尾实体。现有方法也考虑头实体的邻域。然而，这些方法倾向于以扁平结构建模邻域，且仅限于 1 跳邻居。本文中，我们提出一种节点邻域增强的知识图谱补全框架。它利用图神经网络从多跳建模头实体邻域，以丰富头节点信息。此外，我们引入一项额外的边链接预测任务来改进 KGC。在两个公开数据集上的评估表明该框架简单而有效。案例研究也显示模型能够给出可解释的预测。
引用
@article{arxiv.2302.06132,
title = {NNKGC: Improving Knowledge Graph Completion with Node Neighborhoods},
author = {Irene Li and Boming Yang},
journal= {arXiv preprint arXiv:2302.06132},
year = {2023}
}
备注
DL4KG Workshop, ISWC 2023