STEAM：基于迷你路径的自监督分类体系扩展
计算与语言
2020-06-19 v1 信息检索
摘要
分类体系是重要的知识本体，日常支撑众多应用，但实践中使用的许多分类体系存在覆盖率低的问题。我们研究分类体系扩展问题，旨在以新概念词扩展现有分类体系。我们提出名为 STEAM 的自监督分类体系扩展模型，其利用现有分类体系中的自然监督进行扩展。为生成自然自监督信号，STEAM 从现有分类体系采样迷你路径，并构建锚定迷你路径与查询词之间的节点依附预测任务。为解决该节点依附任务，其从多视图学习查询-锚点对的特征表示，并执行多视图协同训练以预测。大量实验表明，在三个公开基准上，STEAM 以准确率提升 11.6%、平均倒数排名提升 7.0% 优于最先进的分类体系扩展方法。STEAM 的实现见 \url{https://github.com/yueyu1030/STEAM}。
引用
@article{arxiv.2006.10217,
title = {STEAM: Self-Supervised Taxonomy Expansion with Mini-Paths},
author = {Yue Yu and Yinghao Li and Jiaming Shen and Hao Feng and Jimeng Sun and Chao Zhang},
journal= {arXiv preprint arXiv:2006.10217},
year = {2020}
}
备注
KDD 2020 Research Track Full Paper