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 ...
最新文章
- express给html设置缓存,webpack + express 实现文件精确缓存
- docker 笔记 (6)搭建本地registry
- python如何定义类_Python中类的定义、继承及使用对象实例详解
- win10防火墙删除的文件在哪里_Win10系统我们是否还需要安装360
- Opengl :公转与自转
- push declined due to email privacy restrictions
- kaggle案例实战
- 知乎首次举办上星晚会 定档除夕前夜
- 【拾贝】hive unoin all map数爆增
- html中text函数,text函数的使用方法
- mongodb 添加用户及权限设置详解
- ssh: connect to host 192.168.121.128 port 22: No route to host
- Idea快捷键大全(Windows)
- Python小白的数学建模课-11.偏微分方程数值解法
- html5 颜色对应8进制,十进制字体颜色html代码参照表 rgb值颜色查询对照表
- 盖章php源码,模拟电子签章盖章效果的jQuery插件源码_jquery
- 自动驾驶领域中常见英文缩写、相关含义以及常用专业英文
- cms,crm名词解释
- 雷神simplest_ffmpeg_player解析(三)
- GBT22239-2019等保2.0三级要求
热门文章
- javascript之嵌套函数
- %求余数 rand随机数
- SQL Server 2000中的数据转换服务 (DTS)
- wireshark抓包工具的使用及分析
- C语言,把指针按地上摩擦,爽
- 博客目录列表(C与Linux部分)
- STM32——ADC
- python绘制图像的参数_图像绘制.draw.line():系统错误:新样式getargs格式,但参数不是tup...
- 计算机程序设计基础试题与答案,2018年4月自考计算机基础与程序设计02275试题及答案.doc...
- 第二周:神经网络的编程基础之Python与向量化