通过弱监督复用知识图谱嵌入进行三元组表示
计算与语言
2022-08-23 v1 人工智能
摘要
大多数知识图谱嵌入技术将实体和谓词视为独立的嵌入矩阵，并使用聚合函数构建输入三元组的表示。然而，这些聚合是有损的，即它们未能捕捉原始三元组的语义，例如谓词中包含的信息。为克服这些缺陷，现有方法从零开始学习三元组嵌入，而未利用预训练模型中的实体与谓词嵌入。在本文中，我们设计了一种新颖的微调方法，通过从预训练知识图谱嵌入中创建弱监督信号来学习三元组嵌入。我们开发了一种从知识图谱自动采样三元组并基于预训练嵌入模型估计其两两相似度的方法。这些两两相似度分数随后被输入类孪生神经网络架构以微调三元组表示。我们在两个被广泛研究的知识图谱上评估所提方法，并在三元组分类与三元组聚类任务上显示出相对于其他最先进三元组嵌入方法的一致提升。
引用
@article{arxiv.2208.10328,
title = {Repurposing Knowledge Graph Embeddings for Triple Representation via Weak Supervision},
author = {Alexander Kalinowski and Yuan An},
journal= {arXiv preprint arXiv:2208.10328},
year = {2022}
}