面向多模态知识图谱的零样本关系学习
机器学习
2024-12-05 v2 多媒体
摘要
关系学习是知识表示领域的一项基本任务，尤其在知识图谱补全（KGC）中。虽然传统单模态环境下的关系学习已被广泛研究，但在多模态KGC背景下探索关系学习呈现出独特的挑战和机遇。主要挑战之一是对没有相关训练数据的新发现关系进行推理。这种零样本关系学习场景对多模态KGC提出了独特要求，即利用多模态性促进关系学习。然而，现有工作未能支持多模态信息的利用，且未对该问题进行探索。本文提出了一种新颖的端到端框架，包含三个组件：多模态学习器、结构整合器和关系嵌入生成器，以整合多样的多模态信息和知识图谱结构，促进零样本关系学习。在三个多模态知识图谱上的评估结果表明了我们提出的方法的优越性能。
引用
@article{arxiv.2404.06220,
title = {Zero-Shot Relational Learning for Multimodal Knowledge Graphs},
author = {Rui Cai and Shichao Pei and Xiangliang Zhang},
journal= {arXiv preprint arXiv:2404.06220},
year = {2024}
}
备注
In the Proceedings of the 2024 IEEE International Conference on Big Data (IEEE BigData 2024)