类型信息辅助的自监督知识图谱去噪

知识图谱作为支撑智能系统的关键资源，但由于不完美的自动生成过程，可能包含噪声。现有的噪声检测方法通常依赖外部事实、逻辑规则约束或结构嵌入。这些方法常常面临实体对齐不完美、知识图谱构建灵活以及结构过拟合等挑战。在本文中，我们提出利用实体和关系类型信息之间的一致性进行噪声检测，从而得到一种新型的自监督知识图谱去噪方法，避免了上述问题。我们将类型不一致噪声形式化为相对于类型依赖推理沿拓扑结构偏离多数的三元组。具体而言，我们首先通过一个建模三元组类型依赖关系的编码器提取给定知识图谱的紧凑表示。然后，解码器基于该紧凑表示重建原始输入知识图谱。值得注意的是，我们的方法有潜力解决知识图谱压缩和补全问题，尽管这不是我们的研究重点。对于噪声检测这一具体任务，重建结果与输入知识图谱之间的差异为去噪提供了机会，这得益于我们方法中嵌入的类型一致性。实验验证表明，我们的方法在检测真实数据中的潜在噪声方面是有效的。