KEEN Universe：一个聚焦可复现性与可迁移性的知识图谱嵌入生态系统
机器学习
2020-01-30 v1 人工智能
机器学习
摘要
将知识图谱（KGs）嵌入连续向量空间以用于机器学习任务正成为一种新兴趋势。近来，许多知识图谱嵌入（KGE）模型被提出，它们在保持 KG 结构特性（如节点因其与他节点的连边而具有的相似性）的同时学习低维表示。KGE 可用于解决 KG 内部的任务，如新链接预测与实体消歧，也可用于问答与事实核查等下游任务。总体而言，这些任务对语义网社区具有重要意义。尽管 KGE 广受欢迎，其实验的可复现性以及所提 KGE 模型向机器学习社区之外研究领域的可迁移性可能是一大挑战。因此，我们提出 KEEN Universe，一个我们以实现可复现性与可迁移性为强关注点而开发的知识图谱嵌入生态系统。KEEN Universe 目前由 Python 包 PyKEEN（Python KnowlEdge EmbeddiNgs）、BioKEEN（Biological KnowlEdge EmbeddiNgs）以及用于与社区共享已训练 KGE 模型的 KEEN Model Zoo 组成。
引用
@article{arxiv.2001.10560,
title = {The KEEN Universe: An Ecosystem for Knowledge Graph Embeddings with a Focus on Reproducibility and Transferability},
author = {Mehdi Ali and Hajira Jabeen and Charles Tapley Hoyt and Jens Lehman},
journal= {arXiv preprint arXiv:2001.10560},
year = {2020}
}