知识图谱上的规则引导联合嵌入学习
计算与语言
2025-09-03 v3
摘要
近期关于知识图谱嵌入的研究侧重于将实体和关系映射到低维向量空间。虽然大多数现有模型主要利用结构信息，但知识图谱也包含丰富的上下文和文本信息，可以增强嵌入的有效性。在本工作中，我们提出了一种新颖的模型，通过图卷积网络将上下文和文本信号同时整合到实体和关系嵌入中。为了更好地利用上下文，我们引入了两个度量：通过基于规则的方法计算的置信度，以及源自文本表示的关联度。这些度量能够在嵌入学习期间对上下文信息进行更精确的加权。在两个广泛使用的基准数据集上的大量实验证明了我们方法的有效性，显示出相对于强基线的一致提升。
引用
@article{arxiv.2401.02968,
title = {Rule-Guided Joint Embedding Learning over Knowledge Graphs},
author = {Qisong Li and Ji Lin and Sijia Wei and Neng Liu},
journal= {arXiv preprint arXiv:2401.02968},
year = {2025}
}