知识图谱中基于RDF2Vec的节点嵌入的游走抽取策略
机器学习
2020-09-10 v1 人工智能
机器学习
摘要
由于知识图谱（KG）是符号化构造，必须应用专门技术以使其与数据挖掘技术兼容。RDF2Vec是一种无监督技术，它通过扩展成功的语言建模技术，为KG中的节点创建与任务无关的 numerical 表示。原始工作提出了Weisfeiler-Lehman（WL）核以提升表示的质量。然而，在本工作中，我们从形式和实证两方面表明，在单一KG的语境下，WL核对改善游走嵌入作用甚微。作为WL核的替代方案，我们提出了五种不同的策略来抽取补充基本随机游走的信息。我们在多个基准数据集上比较这些游走，表明 n-gram 策略在节点分类任务上平均表现最佳，且调整游走策略可带来预测性能的提升。
引用
@article{arxiv.2009.04404,
title = {Walk Extraction Strategies for Node Embeddings with RDF2Vec in Knowledge Graphs},
author = {Gilles Vandewiele and Bram Steenwinckel and Pieter Bonte and Michael Weyns and Heiko Paulheim and Petar Ristoski and Filip De Turck and Femke Ongenae},
journal= {arXiv preprint arXiv:2009.04404},
year = {2020}
}