Inductive Entity Representations from Text via Link Prediction
研究问题
使用文本信息完成inductive KGC任务,并在inductive场景下提出了一些新的评估协议
背景动机
- 现有的基于结构的KGE模型无法处理动态图中新加入的实体,而这在现实生活中非常常见(inductive 场景定义:关系已知、实体未见)
- 基于文本的KGC模型只评测了在链路预测任务下模型的表现,不能全面反映其泛化性能
- 现有的使用文本信息完成KGC的方法是为实体和关系共同学习一个嵌入,这样就无法应对实体分类或关系分类任务
符号定义
定义一个带实体描述的知识图谱为G=(E,R,T,D)\mathcal{G}=(\mathcal{E}, \mathcal{R}, \mathcal{T}, \mathcal{D})G=(E,R,T,D),其中一个三元组记做(ei,rj,ek)\left(e_i, r_j, e_k\right)(ei,rj,ek),对实体eie_iei的文本描述为dei=(w1,…,wn)∈Dd_{e i}=\left(w_1, \ldots, w_n\right) \in \mathcal{D}dei=(w1,…,wn)∈D
链路预测的目标是让正样本的得分高于负样本
Bert对文本表示进行编码,经过投影矩阵得到实体表示
关系的表示像传统KGE模型一样,自己学习出来
实验
链路预测
论文在链路预测任务下设计了两个子任务
- Dynamic evaluation:测试时,未见过的实体在三元组中出现的位置是随机的,候选实体是训练集和测试集中实体的集合(实验数据集为FB和WN)
- Transfer evaluation:测试时,三元组的头尾实体都必须是未见过的实体,候选实体是测试集中实体的集合,也就是全部都没见过(实验数据集为Wikidata5M)
使用了TransE, DistMult, ComplEx, SimplE的得分函数
减少训练集样本,效果下降得不是很显著
实体分类
将WN数据集中的实体分为四类,将FB中的实体分为五十类
信息检索
transductive场景下的链路预测
Inductive Entity Representations from Text via Link Prediction相关推荐
- 无Inductive Entity Representations from Text via Link Prediction
摘要 知识图(KG)对于web上的多个应用都是至关重要的,包括信息检索.推荐系统和元数据注释. 无论它们是由领域专家手工构建的还是使用自动管道构建的,kg通常都是不完整的.为了解决这个问题,有大量的工 ...
- HAKE笔记:Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction
原文:Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction 代码:https://github.com/MIR ...
- Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction论文阅读笔记
我的博客链接 0. 前言 1. 作者试图解决什么问题? 作者想在KGE中对语义层级(semantic hierarchies)进行建模. 2. 这篇论文的关键元素是什么? semantic hiera ...
- 论文阅读2 Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction
目录 问题 创新 1.Introduction 2.相关工作 3.HAKE模型 原文:[1911.09419] Learning Hierarchy-Aware Knowledge Graph Emb ...
- Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(text.insert/link各种事件)
Python之tkinter:动态演示调用python库的tkinter带你进入GUI世界(text.insert/link各种事件) 导读 动态演示调用python库的tkinter带你进入GUI世 ...
- 论文浅尝 | Complex Embeddings for Simple Link Prediction
The ́o Trouillon, Johannes Welb, Sebastian Riedel, ÉricGaussier, Guillaume Bouchard . Complex Embed ...
- 综述 | 知识图谱(Knowledge graph)链路预测(Link Prediction)
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作分享,不代表本公众号立场,侵权联系删除 转载于:机器之心,arxiv AI博士笔记系列推荐 周志华<机器学 ...
- 社交网络中的Link Prediction
介绍 给你一段时间内的社交网络关系,我们能否预测出成员之间在未来的互动? 我们称该问题为Link prediction Problem.他还有另外一些常见的应用,比如社交网站的好友推荐,预测蛋白质间的 ...
- 【论文解读 WSDM 2018 | SHINE】Signed HIN Embedding for Sentiment Link Prediction
论文链接:https://arxiv.org/abs/1712.00732 代码链接:https://github.com/boom85423/hello_SHINE 会议:WSDM 2018 这位大 ...
最新文章
- javascript编程风格
- 专家:电脑看多了掉头发怎么办?
- go解析复杂json数组字符串:结合使用json和simple-json库
- Linux 安装 luarocks(lua的模块管理工具)
- 大剑无锋之数据库的范式【面试推荐】
- java.lang.reflect.Constructor
- html元素data属性设置变量,HTML5 自定义属性 data-* 和 jQuery.data 详解
- java nio oio_(三:NIO系列) Java NIO Channel
- 360众测考核简单记录
- python根据汉字获得拼音_python获_取一组汉字拼音首字母的方法
- poi 公式转 图片_三阶魔方公式符号图解V2.0(2017/12/15)_碧海风云
- 常用工具的配置和bash
- 关于个人对UART+DMA +串口空闲中断的理解与疑惑
- 浅谈iPhone OS(iOS)架构
- 二、操作系统基本原理
- 解决联想e470c 无线网卡驱动
- [转]Leveldb 实现原理
- WTF是Docker吗?
- 【渗透测试】ew代理三层靶机穿透+proxifier配置规则
- 如何禁止某个linux用户访问某些文件夹及执行某些命令