Commonsense Knowledge Base Completion with Structural and Semantic Context
摘要
常识知识图(如TOMIC和ConceptNet)的自动知识库补全与被广泛研究的传统知识库(如Freebase)相比提出了独特的挑战。常识知识图使用自由形式的文本来表示节点,与传统的KBs相比,结果是更多的数量级的节点(TOMIC中的节点比Freebase (FB15K237)多了约18倍)。重要的是,这意味着非常稀疏的图结构——这是现有的假设在相对较小的节点集上的图是密集连接的KB 补全方法的主要挑战。
在本文中,我们提出了新的知识库补全模型,可以通过利用节点的结构和语义上下文来解决这些挑战。具体来说,我们研究了两个关键思想:(1)从局部图结构中学习,使用图卷积网络和自动图致密化;(2)将学习从预先训练的语言模型转移到知识图,以增强知识的上下文表示。我们描述了将这两个来源的信息合并到一个联合模型中的方法,并为ATOMIC上的知识库补全和ConceptNet上的排名指标评估提供了第一个经验结果。我们的结果证明了语言模型表示在提高链接预测性能方面的有效性,以及在子图上训练以提高计算效率时从局部图结构(ConceptNet的MRR +1.5点)学习的优势。对模型预测的进一步分析揭示了语言模型能够很好地捕获的常识知识类型。
1.介绍和动机
虽然在Freebase等传统知识库的知识库补全方面有大量的工作,但在ATOMIC (Sap等人2019)和ConceptNet (Speer和Havasi 2013)等常识知识图的知识库补全方面的工作相对较少。本文的明确目标是确定常识知识库完成中的独特挑战,研究解决这些挑战的有效方法,并提供全面的经验见解和分析。
Commonsense Knowledge Base Completion with Structural and Semantic Context相关推荐
- Compositional Vector Space Models for Knowledge Base Completion
Compositional Vector Space Models for Knowledge Base Completion 来源 motivation 模型 zero-shot KBC 实验结果 ...
- 关于GCN的论文笔记--End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion
用于知识图谱完成的端到端结构感知卷积网络 论文题目 End-to-end Structure-Aware Convolutional Networks for Knowledge Base Compl ...
- 论文记录:Reasoning with neural tensor networks for Knowledge Base completion
论文记录:Reasoning with neural tensor networks for Knowledge Base completion Paper points Neural tensor ...
- 【阅读笔记】:End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion
为解决知识图谱(KG)中三元组不完整问题,本文结合加权图卷积神经网络(WGCN)和Conv-TransE两个模块,提出了SACN(Structure-Aware Convolutional Netwo ...
- 【阅读笔记】Reasoning With Neural Tensor Networks for Knowledge Base Completion
前言 论文地址 Poster Abstract 这篇论文里,作者介绍了一个适用于推理两个实体关系的神经网络(Neural Tensor Network).相比之前的工作要么将实体表示成离散的最小单元或 ...
- Embedding Multimodal Relational Data for Knowledge Base Completion理解
Pouya Pezeshkpour et al. , Proceddings of the 2018 Conference on Empirical Methods in Natural Langua ...
- 一篇关于渐进式机器学习的文章《IntKB: A Verifiable Interactive Framework for Knowledge Base Completion》
本文摘要: 知识库作为许多下游NLP任务的资源基础,存在的一个普遍缺陷是它的不完整性.目前最好的知识库补全框架则缺乏足够的准确性,无法在脱离人工监督的情况下完全自动化的完成知识补全.因此,作为弥补方案 ...
- End-to-end Structure-Aware Convolutional Networks for Knowledge Base Completion
研究问题 将图网络作为编码器,将Conv-TransE作为解码器,应用于知识图谱补全任务 背景动机 ConvE模型在做卷积之前对embedding实施了reshape操作,并且没有保留TransE系列 ...
- ConvKB代码:A Novel Embedding Model for Knowledge Base Completion Based on Convolutional Neural Network
1 介绍 本篇论文以卷积的方式对知识图谱进行补全,其方法采用CNN的形式进行知识图谱补全,将三元组统一处理,进行评估,评估出得分最高的一组,该方法在论文ConvE的基础上进行改进,其在逻辑实现的过程中 ...
最新文章
- 2021年大数据Hadoop(二十六):YARN三大组件介绍
- 优秀的PHP程序员至少应该了解PHP代码的优缺点(转)
- JavaScript 编码小技巧
- [Oracle11g] 通过伪列查询
- java mapper control_java spring boot中怎么编写mapper?怎么编写service和controller?
- 计算机上播放时没声音什么故障,事实:在笔记本电脑上播放歌曲时如果没有声音怎么办...
- Python基础-3内建函数 type() cmp()
- Workflow相关表简单分析
- leetcode python3 简单题219. Contains Duplicate II
- 解决启动WebLogic输入用户名密码问题以及密码重置
- 【spring boot】5.spring boot 创建web项目并使用jsp作前台页面
- ip地址理解 192.168.19.255/20
- SpaceClaim功能解析与应用介绍
- 台式计算机序列号怎么查,台式机如何查看序列号
- Vue开发与调试工具vue-devtools
- 自学车载以太网笔记(1)
- 转:C# 中 MSCHART 饼状图显示百分比
- 实现表格隔行变色研究
- CF802C Heidi and Library (hard) (网络流+最大流)
- CH340G的调试过程
热门文章
- 【每日早报】2019/12/19
- org.apache.axis2.AxisFault: org.apache.axis2.databinding.ADBException: Unexpected subelement profile
- 第14课:spark RDD解密学习笔记
- 「COP26行动」中美发布气候行动联合宣言|应对气候变化时不我待,数据赋能势在必行
- 图片水印项目经验总结
- jfreechart php,JFreeChart的使用详解
- 微软IE8新功能对谷歌广告模式造成威胁
- 圣邦微电子FAE_信号链笔试记录
- kindeditor编辑器上传图片超宽自动压缩-PHP代码
- HTML标签学习---第二天