TCKGE: Transformers with contrastive learning for knowledge graph embedding
概述:
以前的一些知识图谱嵌入方法由于其浅层的网络结构,不能解决复杂的多关系知识图谱。因此文中针对此种现象,提出了TCKGE——针对于学习多关系知识图谱中复杂的语义信息。TCKGE能够有效的捕获知识图谱中丰富的语义信息,其利用了Transformer来建立深度的等级结构去动态的学习实体和关系的embedding,同时,为了保证获得健壮的embedding,作者也加入了对比学习策略,通过探索几种不同的数据增强策略的有效性来促进优化。
具体方法:
一句话总结就是在分等级transformer的基础上加入了对比学习。
TCKGE由四部分组成:
1,底部的Shared Entity Encoder:提供了实体-关系对的embedding。其输入的数据类型是三元组,包含了三个embedding部分:一个特殊的token[CLS],原实体embedding,和在一个三元组内相应的关系embedding。将输入的三部分看做一个序列,为了辨别三者在序列中的位置,加入了position embedding。
2,一个数据augmentation模型:产生不同的视图。其输入是源实体embedding的一跳关系图
3,顶部的shared context encoder:聚合来自实体邻居的信息,与实体编码器类似,context编码器输入包含三部分——一个特殊的token[GCLS],原实体-关系对表达和领居实体-关系对表达
目标实体的得分如下计算公式:
之后再使用softmax进行归一化:
作者也引入了MEM策略来平衡在contextualization 过程中源实体和图context信息的利用
最后使用average pooling来存储图context信息
4,一个对比损失层:它最大化了一个图表示和从同一个图扩充的相应版本之间的一致性,同时保持它与同一批中的其他图表示之间的距离。
在每个训练步骤中,首先从G中随机抽样N个三元组,然后统一抽样原实体的邻居去构建N个子图作为一个batch,当augmentation后就有2N个子图。负对没有明确的采样,而是从同一批中的其他2(N-1)个子图中生成。最后其损失函数表达如下:
将上述三种损失函数相加,即是最终TCKGN的损失函数:
TCKGE: Transformers with contrastive learning for knowledge graph embedding相关推荐
- 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 ...
- 知识图谱与推荐系统之《Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation》MKR
依次训练的方法主要有:Deep Knowledge-aware Network(DKN) 联合训练的方法主要有:Ripple Network 交替训练主要采用multi-task的思路,主要方法有:M ...
- 论文阅读笔记(1):Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation
Multi-Task Feature Learning for Knowledge Graph Enhanced Recommendation 原文链接:https://arxiv.org/pdf/1 ...
- 【论文阅读笔记】Multi-Task Feature Learning for Knowledge Graph Enhanced
Multi-Task Feature Learning for Knowledge Graph Enhanced 1.框架 MKR是一个通用的.端对端深度推荐框架, 由三个主要部分组成:推荐模块.KG ...
- 【论文阅读】Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction
<Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction> 论文来源:EMNLP2020 论文链接: ...
- 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 ...
- 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 ...
- Knowledge Graph Embedding: A Survey of Approaches and Applications【翻译】
原文地址:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8047276 论文名称:Knowledge Graph Embed ...
- RKGE Recurrent Knowledge Graph Embedding for Effective Recommendation 论文
Paper-RKGE [ Recurrent Knowledge Graph Embedding for Effective Recommendation ] Abstract 关于KG应用于推荐,现 ...
最新文章
- Mac下pycharm如何安装pytorch
- android xutils3.0获取服务器图片,Android端使用xUtils3.0实现文件上传
- mysql调试索引_10 分钟让你明白 MySQL 是如何利用索引的?
- select返回记录的顺序
- php登陆项目,ThinkPHP6项目基操(14.实战部分 中间件处理登录流程)
- 树:二叉树的层序遍历算法(超简洁实现及详细分析)
- 中山电子科技大学计算机学院分数线,电子科技大学中山学院
- Android 如何自定义EditText 下划线?
- spring boot demo( 获取一个RESTful web service)
- python怎么实现deepcopy_deepcopy和python-避免使用的提示?
- Struts框架详解
- 《自己动手写网络爬虫》笔记2-Http状态码
- matlab中如何求插值点,MATLAB插值
- 为什么那么多城市房价开始跌了,还是有人相信房价会一直涨?
- 计算机软件工程学校排名,软件工程专业全国高校排名前十
- 《HelloGitHub》第 67 期
- 托管c++ (CLI) String^ 、 std::string 、 std::ostringstream的相互转化
- linux 查看显卡信息及显卡驱动信息
- 联想微型计算机c325参数,联想一体机c325性能表现 联想一体机c325配置参数
- 树莓派开机运行Python文件