基于盒嵌入的时间知识图谱补全
机器学习
2021-09-21 v1 人工智能
摘要
知识图谱补全是基于知识图谱中已有数据推断缺失事实的任务。时间知识图谱补全（TKGC）是该任务在时间知识图谱上的扩展，其中每个事实还额外关联一个时间戳。当前用于 TKGC 的方法主要建立在为（静态）知识图谱补全开发的现有嵌入模型之上，并对这些模型进行扩展以纳入时间信息，其思路是学习实体、关系和时间戳的潜在表示，然后利用学习到的表示预测不同时间步上的缺失事实。在本文中，我们提出 BoxTE，一种用于 TKGC 的盒嵌入模型，其构建于静态知识图谱嵌入模型 BoxE 之上。我们证明 BoxTE 具有完全表达性，并在时间设定下拥有强大的归纳能力。随后我们通过实证评估我们的模型，表明其在多个 TKGC 基准上取得了最先进的结果。
引用
@article{arxiv.2109.08970,
title = {Temporal Knowledge Graph Completion using Box Embeddings},
author = {Johannes Messner and Ralph Abboud and İsmail İlkan Ceylan},
journal= {arXiv preprint arXiv:2109.08970},
year = {2021}
}