从零开始：面向自动知识图谱补全的三元组集合预测

知识图谱（KG）补全旨在找出KG中缺失的三元组。一些任务，如链接预测和实例补全，已被提出用于KG补全。它们是三元组级别的任务，给定缺失三元组中的某些元素来预测该三元组的缺失元素。然而，预先知道缺失三元组的某些元素并不总是符合现实情况。在本文中，我们提出了一种新颖的图级别自动KG补全任务，称为三元组集合预测（TSP），该任务假设缺失三元组中的任何元素都未给出。TSP旨在根据一组已知三元组预测一组缺失的三元组。为了恰当且准确地评估这一新任务，我们提出了4个评估指标，包括3个分类指标和1个排序指标，同时考虑了部分开放世界假设和封闭世界假设。此外，为了处理预测中巨大的候选三元组，我们提出了一种新颖且高效的基于子图的方法GPHT，可以快速预测三元组集合。为了公平比较TSP结果，我们还提出了两种类型的方法RuleTensor-TSP和KGE-TSP，将现有的基于规则和基于嵌入的方法应用于TSP作为基线。在实验过程中，我们在根据我们提出的关系相似性部分开放世界假设从Wikidata提取的两个数据集上评估了所提出的方法，并创建了一个完整的家族数据集以在封闭世界假设下评估TSP结果。结果证明，这些方法能够成功生成一组缺失的三元组，并在新任务上取得合理分数，且GPHT以显著更短的预测时间优于基线。实验的数据集和代码可在https://github.com/zjukg/GPHT-for-TSP获取。