面向知识图谱嵌入的关系感知集成学习
机器学习
2023-10-16 v1 人工智能
计算与语言
摘要
知识图谱(KG)嵌入是自然语言处理中的基础任务,已有多种方法以不同方式探索语义模式。本文中,我们提出以关系感知方式利用现有方法学习一个集成。然而,使用关系感知集成探索这些语义会导致比一般集成方法大得多的搜索空间。为解决此问题,我们提出一种分-搜-合算法 RelEns-DSC,其独立搜索关系级集成权重。该算法具有与一般集成方法相同的计算代价,但性能更优。在基准数据集上的实验结果证明了所提方法在高效搜索关系感知集成权重及取得最先进嵌入性能上的有效性。代码公开于 https://github.com/LARS-research/RelEns。
引用
@article{arxiv.2310.08917,
title = {Relation-aware Ensemble Learning for Knowledge Graph Embedding},
author = {Ling Yue and Yongqi Zhang and Quanming Yao and Yong Li and Xian Wu and Ziheng Zhang and Zhenxi Lin and Yefeng Zheng},
journal= {arXiv preprint arXiv:2310.08917},
year = {2023}
}
备注
This short paper has been accepted by EMNLP 2023