向量空间中的知识图谱遍历
计算与语言
2015-08-20 v2 人工智能
数据库
机器学习
摘要
知识图谱上的路径查询可用于回答组合性问题，例如“里斯本居民说什么语言？”。然而，知识图谱常有缺失事实（边），这会破坏路径查询。近期用于知识库补全的模型通过将知识图谱嵌入向量空间来估算缺失事实。我们表明这些模型可递归应用于回答路径查询，但它们遭受级联错误。这促使了一个新的“组合”训练目标，它大幅提高了所有模型回答路径查询的能力，在某些情况下准确率翻倍有余。在标准知识库补全任务上，我们还证明组合训练作为一种新颖的结构正则化形式，可靠地改进了所有基模型的性能（错误最多减少 43%）并取得了新的最先进结果。
引用
@article{arxiv.1506.01094,
title = {Traversing Knowledge Graphs in Vector Space},
author = {Kelvin Guu and John Miller and Percy Liang},
journal= {arXiv preprint arXiv:1506.01094},
year = {2015}
}
备注
2015 Conference on Empirical Methods on Natural Language Processing (EMNLP)