基于节点共现的图神经网络用于知识图谱链接预测
计算与语言
2021-12-28 v3 机器学习
摘要
我们引入一种名为 NoGE 的新型嵌入模型，旨在将实体与关系之间的共现信息整合进图神经网络，以改进知识图谱补全（即链接预测）。给定一个知识图谱，NoGE 将实体和关系视为独立节点来构建单一图。NoGE 随后基于实体与关系的共现计算节点间边的权重。接着，NoGE 提出双四元数图神经网络（DualQGNN）并利用其更新实体与关系节点的向量表示。NoGE 然后采用打分函数生成三元组得分。综合实验结果表明，NoGE 在三个新颖且困难的知识图谱补全基准数据集 CoDEx 上取得了最先进的结果。
引用
@article{arxiv.2104.07396,
title = {Node Co-occurrence based Graph Neural Networks for Knowledge Graph Link Prediction},
author = {Dai Quoc Nguyen and Vinh Tong and Dinh Phung and Dat Quoc Nguyen},
journal= {arXiv preprint arXiv:2104.07396},
year = {2021}
}
备注
To appear in Proceedings of WSDM 2022. The first two authors contributed equally to this work