TRIX：面向知识图谱零样子域迁移的更具表达力的模型
机器学习
2025-02-28 v1
摘要
完全归纳的知识图谱模型可以在多个子域上进行训练，然后在新的不可见子域中执行零样子域知识图谱完成（KGC）。这是实现知识图谱基础模型目标的重要能力。在本工作中，我们引入了一个更具表达力和能力的完全归纳模型，称为 TRIX，不仅会产生比现有方法更具表达力的三元组嵌入（头实体、关系、尾实体），而且还引入了一种新的能力：直接处理归纳环境中的实体和关系预测任务。实验上，我们展示了 TRIX 在新子域中的零样子实体和关系预测中超越了当前最好的完全归纳模型，并且在跨域预测中超越了大规模上下文 LLM。源代码可在 https://github.com/yuchengz99/TRIX 上获取。
引用
@article{arxiv.2502.19512,
title = {TRIX: A More Expressive Model for Zero-shot Domain Transfer in Knowledge Graphs},
author = {Yucheng Zhang and Beatrice Bevilacqua and Mikhail Galkin and Bruno Ribeiro},
journal= {arXiv preprint arXiv:2502.19512},
year = {2025}
}