用于知识图谱补全的双视图图神经网络
计算与语言
2023-03-14 v4 人工智能
机器学习
摘要
我们提出了一种有效的基于图神经网络（GNN）的知识图谱嵌入模型，命名为WGE，以捕获以实体和关系为中心的图结构。给定一个知识图谱，WGE构建一个以实体为节点的单一无向实体中心图。WGE还从以关系为中心的约束构建另一个以实体和关系为节点的单一无向图。WGE随后提出一种基于GNN的架构，以更好地从这两个单一的实体中心和关系中心图中学习实体和关系的向量表示。WGE将学习到的实体和关系表示输入加权评分函数，以返回用于知识图谱补全的三元组分数。实验结果表明，在七个知识图谱补全基准数据集上，WGE优于强基线方法。
引用
@article{arxiv.2112.09231,
title = {Two-view Graph Neural Networks for Knowledge Graph Completion},
author = {Vinh Tong and Dai Quoc Nguyen and Dinh Phung and Dat Quoc Nguyen},
journal= {arXiv preprint arXiv:2112.09231},
year = {2023}
}
备注
To appear in Proceedings of ESWC 2023; 17 pages; 4 tables; 4 figures