面向学术知识图谱补全的三元组分类
计算与语言
2021-11-24 v1 数字图书馆
摘要
学术知识图谱（KGs）提供了表示科学出版物中知识的丰富结构化信息源。鉴于已发表科学文献的庞大数量包含大量异质实体与关系以描述科学概念，这些知识图谱天然是不完整的。我们提出 exBERT，一种利用预训练 Transformer 语言模型执行学术知识图谱补全的方法。我们将知识图谱的三元组建模为文本并执行三元组分类（即是否属于该知识图谱）。评估显示，在三元组分类、链接预测与关系预测任务上，exBERT 在三个学术知识图谱补全数据集中优于其他基线。此外，我们提供了两个学术数据集作为研究界的资源，其采集自公开知识图谱与在线资源。
引用
@article{arxiv.2111.11845,
title = {Triple Classification for Scholarly Knowledge Graph Completion},
author = {Mohamad Yaser Jaradeh and Kuldeep Singh and Markus Stocker and Sören Auer},
journal= {arXiv preprint arXiv:2111.11845},
year = {2021}
}