论文浅尝 | 知识图谱的单样本关系学习

链接：http://cn.arxiv.org/pdf/1808.09040

动机

如今的知识图谱规模很大但是完成度不高，long-tail关系在知识图谱中很常见，之前致力于完善知识图谱的方法对每个关系都需要大量的训练样本（三元组），而新加入的关系其样本数量通常不是很多。为解决这个问题，本文提出了one-shot场景下的关系学习模型，该模型通过学习实体的embedding和相应的局部图结构来获得一个匹配度量函数，最终推导出新的三元组。

亮点

本文提出的模型有以下亮点：

（1）只依赖于实体的embedding和局部图结构（之前的方法依赖于关系的良好表示）；

（2）一旦训练完成便可以预测任何关系（之前的方法需要微调来适应新的关系）

概念

本文主要针对(h,r,?)类型的推测，即从候选集合中选出最合适的t来构造新的三元组(h,r,t)，主要符号含义如下：

• G{(h,r,t)}：即原始KG，三元组集合

• ：对应于G中的一个关系（任务），每个 T_r 中所有三元组的r相同

• ：任务集合

• ：只含有一个三元组(h_0,r,t_0)

• ：C_(h_i,r) 为候选t集合

• G'：G的子集，作为背景知识

模型

本文的模型由两部分组成:

（1） Neighbor Encoder

该模块利用局部图结构对（h,t）实体对进行编码，首先对任意h/t构建其one-hop Neighbor set N_e，再利用Encoding function f(N_e)编码，最后将 h 和 t 的编码连接起来便得到(h,t)实体对的表示，f(N_e )形式如下：

（2） Matching processor

对于候选集 C_(h_i,r) 中的每一个 t_(i,j)，利用LSTM计算 (h_i,t_(i,j)) 和 (h_0,t_0) 的相似度，相似度最高的 t_(i,j) 即为 (h_i,r) 对应的t，迭代过程如下：

实验

⑴数据集

本文的两个数据集NELL-One和Wiki-One是作者分别基于NELL和Wikidata构建（选取其中三元组数量在50~500之间的关系）。

⑵实验结果

作者将本文提出的模型（GMatching）与之前基于embedding的模型在NELL-One和Wiki-One两个数据集上进行了比较，结果显示该模型各项指标均优于之前的模型。

总结

本文提出的模型利用实体的局部图结构以及学习度量来匹配实体对，一经训练可以直接适用于预测任何关系，并在one-shot场景下表现出优越性能。

论文笔记整理：杨帆，浙江大学硕士，研究方向为知识图谱、自然语言处理。

OpenKG.CN

中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。

点击阅读原文，进入 OpenKG 博客。

论文浅尝 | 知识图谱的单样本关系学习相关推荐

论文浅尝 | 知识图谱推理中表示学习和规则挖掘的迭代学习方法
作者:张文,浙江大学在读博士,研究方向为知识图谱的表示学习,推理和可解释. 本文是我们与苏黎世大学以及阿里巴巴合作的工作,发表于WWW2019,这篇工作将知识图谱推理的两种典型方法,即表示学习和规则进 ...
论文浅尝 | 知识图谱的不确定性衡量
论文笔记整理:谭亦鸣,东南大学博士. 来源:Knowledge and Information Systems volume 62, pages611–637(2020) 链接:https://lin ...
论文浅尝 | 知识图谱中的链接预测：一种基于层次约束的方法
论文笔记整理:张良,东南大学博士生,研究方向为知识图谱,自然语言处理. 链接:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber= ...
论文浅尝 | 知识图谱问答中的层次类型约束主题实体识别
Citation:Qiu, Y., Li, M., Wang, Y., Jia, Y., & Jin, X.(2018). Hierarchical Type Constrained Topi ...
论文浅尝 | 知识图谱三元组置信度的度量
论文笔记整理:叶橄强,浙江大学计算机学院,知识图谱和知识推理方向. https://arxiv.org/pdf/1809.09414.pdf 动机在构建知识图谱的过程中,不可避免地会产生噪声和冲突. ...
论文浅尝 | 知识图谱相关实体搜索
本文转载自公众号:南大Websoft. 相关搜索(Relevance Search)是信息检索中的一个经典问题,相关搜索是指给定一个查询实体,返回与其相关度最高的实体(一个类似的问题Similarit ...
论文浅尝 | AAAI2020 - 基于生成对抗的知识图谱零样本关系学习
论文笔记整理:耿玉霞,浙江大学直博生.研究方向:知识图谱,零样本学习等. 来源:AAAI2020 论文链接:https://arxiv.org/pdf/2001.02332.pdf 本文是发表在AAA ...
基于生成对抗的知识图谱零样本关系学习 AAAI2020
论文来源:AAAI 2020 论文链接:https://arxiv.org/pdf/2001.02332.pdf 本文是发表在AAAI2020上的一篇基于生成对抗网络进行知识图谱零样本关系学习的文章. ...
论文浅尝 | DEER：解释实体关系的描述性知识图谱
笔记整理:王润哲,东南大学硕士,研究方向为多元关系抽取链接:https://aclanthology.org/2022.emnlp-main.448.pdf 动机实体关系是知识图谱中不可或缺的一层 ...

论文浅尝 | 知识图谱的单样本关系学习

动机

亮点

概念

模型

总结

论文浅尝 | 知识图谱的单样本关系学习相关推荐

最新文章

热门文章