ReaLitE：基于数值文字的知识图谱关系嵌入增强
机器学习
2025-04-02 v1 人工智能
摘要
大多数面向链路预测的知识图谱嵌入（KGE）方法专注于图中的实体和关系，几乎不关注其他文字值，这些文字值可能编码重要信息。因此，一些文字感知 KGE 模型尝试将数值整合到实体嵌入中，或在预处理时将这些数值转换为实体，导致信息丢失。另一些方法则假设数值数据的完整性，假设其适用于现实世界图。本文提出 ReaLitE，一种新型以关系为中心的 KGE 模型，动态地聚合并合并实体的数值属性与连接关系的嵌入。ReaLitE 旨在补充现有的常规 KGE 方法，支持多种数值聚合变体，包括可学习的方法。我们全面评估了所提出的以关系为中心的嵌入使用几个基准进行链路预测和节点分类任务。结果显示 ReaLitE 在两个任务中均优于当前最佳方法。
引用
@article{arxiv.2504.00852,
title = {ReaLitE: Enrichment of Relation Embeddings in Knowledge Graphs using Numeric Literals},
author = {Antonis Klironomos and Baifan Zhou and Zhuoxun Zheng and Gad-Elrab Mohamed and Heiko Paulheim and Evgeny Kharlamov},
journal= {arXiv preprint arXiv:2504.00852},
year = {2025}
}
备注
Accepted at ESWC 2025