理解结构对链接预测影响背后的机制：以 FB15k-237 为例
信号处理
2025-05-06 v1
摘要
FB15k-237 通过排除逆关系和对称关系三元组来缓解数据泄露问题，然而，这导致了显著的性能下降和缓慢的改进进展。传统方法在 FB15k-237 上表现出的有效性有限，主要是因为数据集结构特征影响模型性能的潜在机制尚未被探索。为了弥补这一差距，我们系统地研究了数据集结构特征对链接预测性能的影响机制。首先，我们设计了一种结构化子图采样策略，该策略在保证连通性的同时构建具有不同结构特征的子图。然后，通过在几个主流模型上进行的相关性和敏感性分析，我们观察到子图内关系类别的分布对性能影响显著，其次是强连通分量的大小。使用 LIME 模型进行的进一步探索阐明了关系类别影响链接预测性能的内在机制，揭示了关系类别主要调节实体嵌入和关系嵌入之间的相对重要性，从而影响链接预测结果。这些发现为解决 FB15k-237 上的性能瓶颈提供了理论见解，同时所提出的分析框架也为未来处理结构受限数据集的研究提供了方法论指导。
引用
@article{arxiv.2505.01655,
title = {Understanding the Mechanisms Behind Structural Influences on Link Prediction: A Case Study on FB15k-237},
author = {Xiaobo Jiang and Yadong Deng},
journal= {arXiv preprint arXiv:2505.01655},
year = {2025}
}