基于先验双线性的知识图谱补全模型
人工智能
2023-09-26 v1
摘要
基于双线性的模型是用于知识图谱补全（KGC）的强大且广泛使用的方法。尽管基于双线性的模型已取得显著进展，这些研究主要关注后验性质（基于证据，如对称模式），而忽略了先验性质。在本文中，我们发现基于双线性的模型无法捕捉一种称为“同一律”的先验性质，这阻碍它们全面建模知识图谱的特征。为解决此问题，我们引入一种称为单位球双线性模型（UniBi）的方案。该模型不仅具有理论优越性，还通过最小约束最小化无效学习，从而提供增强的可解释性与性能。实验表明 UniBi 对先验性质进行了建模，并验证了其可解释性与性能。
引用
@article{arxiv.2309.13834,
title = {Prior Bilinear Based Models for Knowledge Graph Completion},
author = {Jiayi Li and Ruilin Luo and Jiaqi Sun and Jing Xiao and Yujiu Yang},
journal= {arXiv preprint arXiv:2309.13834},
year = {2023}
}