PPKE：基于路径预训练的知识表示学习
计算与语言
2020-12-08 v1 人工智能
摘要
实体在知识图谱（KG）中可能存在复杂的交互，例如多步关系，这些可视为实体的图上下文信息。传统的知识表示学习（KRL）方法通常将单个三元组作为训练单元，忽略了存在于KG拓扑结构中的大部分图上下文信息。在本研究中，我们提出一种基于路径的预训练模型来学习知识嵌入，称为PPKE，旨在将实体间更多的图上下文信息整合进KRL模型。实验表明，我们的模型在链接预测和关系预测任务的多个基准数据集上取得了最先进（SOTA）结果，说明我们的模型为利用KG中的图上下文信息提供了可行途径。
引用
@article{arxiv.2012.03573,
title = {PPKE: Knowledge Representation Learning by Path-based Pre-training},
author = {Bin He and Di Zhou and Jing Xie and Jinghui Xiao and Xin Jiang and Qun Liu},
journal= {arXiv preprint arXiv:2012.03573},
year = {2020}
}