时序知识库补全:新算法与评估协议
社会与信息网络
2020-10-13 v2 机器学习
摘要
时序知识库将关系型 (s,r,o) 三元组与其关系成立的一组时间(或单一时间瞬间)相关联。尽管与时间无关的知识库补全(KBC)已得到大量研究,时序知识库补全(TKBC)仍处于早期阶段。本文中,我们将预测缺失实体(链接预测)与缺失时间间隔(时间预测)视为联合 TKBC 任务,其中实体、关系与时间均嵌入统一、兼容的空间中。我们提出 TIMEPLEX,一种新颖的时序感知 KBC 方法,其还自动利用某些关系的递归特性以及关系对之间的时序交互。TIMEPLEX 在两项预测任务上均达到最先进性能。我们还发现,由于不完善的评估机制,现有 TKBC 模型严重高估了链接预测性能。对此,我们提出了针对链接与时间预测任务的改进 TKBC 评估协议,以处理金标准实例与系统预测中时间间隔部分重叠所引起的细微问题。
引用
@article{arxiv.2005.05035,
title = {Temporal Knowledge Base Completion: New Algorithms and Evaluation Protocols},
author = {Prachi Jain and Sushant Rathi and Mausam and Soumen Chakrabarti},
journal= {arXiv preprint arXiv:2005.05035},
year = {2020}
}