ReInform：以强化学习选择路径用于上下文链接预测
计算与语言
2023-01-24 v2 人工智能
摘要
我们提出利用强化学习为基于 Transformer 的上下文链接预测模型提供对预测正确答案最有用的路径，从而引导此类模型。这与以往方法形成对比：后者要么直接用强化学习（RL）搜索答案，要么基于有限或随机选取的上下文进行预测。我们在 WN18RR 与 FB15k-237 上的实验表明，上下文链接预测模型持续优于基于 RL 的答案搜索，且通过结合 RL 与链接预测模型可获额外提升（MRR 最高达 13.5%）。RL 智能体的 PyTorch 实现见 https://github.com/marina-sp/reinform
引用
@article{arxiv.2211.10688,
title = {ReInform: Selecting paths with reinforcement learning for contextualized link prediction},
author = {Marina Speranskaya and Sameh Methias and Benjamin Roth},
journal= {arXiv preprint arXiv:2211.10688},
year = {2023}
}