NOTE：KDD-CUP 2021 WikiKG90M-LSC赛题解决方案
信息检索
2021-07-06 v1 机器学习
摘要
KDD Cup 2021中的WikiKG90M是一个大型百科知识图谱，可惠及问答与推荐系统等多种下游应用。参赛者需通过预测缺失三元组来完成该知识图谱。近期表示学习方法在FB15k-237等标准数据集上已取得巨大成功。因此，我们训练了不同领域的先进算法来学习三元组，包括OTE、QuatE、RotatE和TransE。值得注意的是，我们将OTE改进为NOTE（Norm-OTE的简称）以获得更好性能。此外，我们使用DeepWalk与后平滑技术来捕捉图结构以进行补充。除表示外，我们还利用头实体、关系与尾实体间的多种统计概率进行最终预测。实验结果表明，最先进表示学习方法的集成可取长补短。并且我们从验证候选集中开发特征工程以进一步提升效果。请注意，我们在测试集上采用相同策略进行最终推断。而这些特征在针对所有实体排序的真实场景中可能并不实用。
引用
@article{arxiv.2107.01892,
title = {NOTE: Solution for KDD-CUP 2021 WikiKG90M-LSC},
author = {Weiyue Su and Zeyang Fang and Hui Zhong and Huijuan Wang and Siming Dai and Zhengjie Huang and Yunsheng Shi and Shikun Feng and Zeyu Chen},
journal= {arXiv preprint arXiv:2107.01892},
year = {2021}
}
备注
The 1st solution for KDD-CUP 2021 WIKIKG90M-LSC. 7 pages, 2 figures, 1 table