源自过去的信任：基于贝叶斯个性化排序的知识图谱链接预测
机器学习
2016-02-16 v2 人工智能
信息检索
摘要
链接预测，即基于知识图谱的现有状态预测其中链接存在的可能性，是一项关键的研究任务。它与传统的链接预测任务不同之处在于，知识图谱中的链接被分类为不同的谓词，且知识图谱中不同谓词的链接预测性能通常差异巨大。在本工作中，我们提出了一种基于潜在特征嵌入的链接预测模型，该模型分别独立地考虑每个谓词的预测任务。为了学习模型参数，我们利用了一种基于贝叶斯个性化排序的优化技术。在 YAGO2 等大型知识库上的实验结果表明，我们的链接预测方法取得了比几种最先进方法显著更高的性能。我们还表明，对于给定的谓词，由该谓词边诱导的知识图谱的拓扑性质是该谓词在知识图谱中链接预测性能的关键指标。
引用
@article{arxiv.1601.03778,
title = {Trust from the past: Bayesian Personalized Ranking based Link Prediction in Knowledge Graphs},
author = {Baichuan Zhang and Sutanay Choudhury and Mohammad Al Hasan and Xia Ning and Khushbu Agarwal and Sumit Purohit and Paola Pesntez Cabrera},
journal= {arXiv preprint arXiv:1601.03778},
year = {2016}
}
备注
SDM Workshop on Mining Networks and Graphs (MNG 2016), Miami, FL