论文浅尝 | ADRL:一个基于注意力机制的知识图谱深度强化学习框架
论文笔记整理:谭亦鸣,东南大学博士。
来源:Knowledge-Based Systems 197 (2020) 105910
链接:https://www.sciencedirect.com/science/article/abs/pii/S0957417419306839
概要与动机
知识图谱推理是图谱构建的关键技术之一,它在包括垂直搜索和智能问答等应用场景中有着重要作用。推理的目标是根据已知实体和关系推断所需的未知实体。现有的推理方法主要基于embedding实现(即对所有的实体和关系做整体embedding,然后利用向量相似度推断实体间的关系或者给定三元组是否为真)。但是在真实的应用场景中,我们需要一个清晰且可解释的实体作为输出。本文提出一种基于注意力机制的知识图谱深度强化学习框架ADRL,用于学习多跳关系路径,通过深度学习及强化学习结构化感知,从而提高传统方法效率,泛化能力及可解释性。
贡献
本文的主要贡献包括:
1.提出了一个面向知识图谱推理的基于深度学习的新框架,相较传统方法,该框架科研有效提升性能及可解释性
2.设计了一个关系模型,作为推理框架的通用插件,其中的self-attention能够循环推断实体之间的关系以引导一个model-free的策略,这一做法相对前人工作更有助于agent推断关系路径
3.利用actor-critic方法有效解决了奖励系数问题,其中奖励取决于价值函数,并将同策略一起被训练和优化
模型与算法
本文提出框架的整个过程如下图所示,其过程大体可以描述为:
1.首先将知识图谱的agent环境输入卷积神经网络(CNN);
2.利用深度CNN将其映射到低维向量,且可以在每个级别可以传递信息
3.接着使用LSTM(使用校正的线路单ReLU激活函数),用于储存生成的历史轨迹,构成策略与价值函数
4.上述步骤的输出被输入进一个关系模型,模型中包含一个self-attention模块用于推断和分享实体向量及关系向量的权值
5.利用一个特征感知的最大池化层对关系模型的输出进行聚合,最后传递给一个MLP接着是ReLU激活函数用于产生一个策略以及一个基准标量价值函数,可以被用作一个agent奖励
在优化算法方面,作者考虑到基于梯度下降的方法效率较低,而蒙特卡洛抽样依赖于大量积极奖励(尤其是学习初始阶段),为了解决这些问题,作者选择Actor-Critic,一种结合策略梯度和顺序差异学习的强化学习方法。Actor-Critic算法可以执行单步更新参数,使用值函数作为基础函数来减少策略梯度的差异,而无需等待回合结束,并且在训练过程中可以同时学习策略和价值函数,算法流程如下图:
实验与结果
实验数据:
本文实验所使用的数据是目前较为流行的KG推理数据集(WN18RR,FB15K-237,NELL-995),其统计信息如表1.
表2是linkprediction实验结果,本文方法展现出了更好的性能,作者认为是共享的实体及关系权值带来了更佳的性能表现。
表3是factprediction的结果,作者认为本文方法的优势在于“the reason is that our model is more complex than the previous model, introducing more state-of-the-art methods”
OpenKG
开放知识图谱(简称 OpenKG)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 | ADRL:一个基于注意力机制的知识图谱深度强化学习框架相关推荐
- 论文浅尝 | 一种基于递归超图的知识图谱问答方法
笔记整理 | 谭亦鸣,东南大学博士生 来源:EACL'21 链接:https://www.aclweb.org/anthology/2021.eacl-main.35.pdf 概述与动机 本文提出了一 ...
- 论文浅尝 | TuckER:基于张量分解的知识图谱补全
笔记整理:孙泽群,南京大学计算机科学与技术系,博士研究生. 论文链接:https://arxiv.org/abs/1901.09590 背景 知识图谱是图结构的数据库,以三元组(es, r, eo ...
- 基于注意力机制的知识图谱关系预测 ACL 2019
论文链接:https://arxiv.org/pdf/1906.01195.pdf 代码链接:https://github.com/deepakn97/relationPrediction 论文来源: ...
- 论文浅尝 - EMNLP2020 | 基于规则引导的协作 agent 知识图谱推理学习
论文笔记整理:叶橄强,浙江大学在读硕士,研究方向为知识图谱的表示学习和预训练. 来源:EMNLP 2020 现有的大多数基于行走的模型通过在提供可解释的决策的同时获得良好的性能,在知识图谱推理中显示出 ...
- 论文浅尝 | ICLR 2020 - 一文全览知识图谱研究
本文转载自公众号: AI科技评论 作者 | Michael Galkin 编译 | 贾伟 ICLR 2020 正在进行,但总结笔记却相继出炉.我们曾对 ICLR 2020 上的趋势进行介绍,本文考虑的 ...
- 论文浅尝 | 面向跨语言实体对齐的知识图谱与实体描述协同嵌入方法
来源: IJCAI2018 链接: https://www.ijcai.org/proceedings/2018/0556.pdf 动机 近年来,随着多语言知识图谱嵌入(Multilingual KG ...
- 论文浅尝 | 从具有数值边缘属性的知识图谱中学习嵌入
论文笔记整理:朱珈徵,天津大学硕士 链接:https://www.ijcai.org/proceedings/2021/0395.pdf 动机 从遗传数据到社会网络,在越来越多的场景下与知识图谱边缘相 ...
- 论文浅尝 - ACL2020 | 用于链接预测的开放知识图谱嵌入
本文转载自公众号:PaperWeekly. 作者:舒意恒,南京大学硕士,研究方向:知识图谱. 当前大量的知识图谱都是通过文本直接构建的.由于当前的知识图谱构建方法的局限性,其中难免包含对同一实体或关系 ...
- 关于ATIS以及基于注意力机制的递归神经网络模型 的学习记录
关于ATIS以及基于注意力机制的递归神经网络模型 的学习记录 此为本人学习的类笔记,主要内容为借助Google翻译机译的论文WHAT IS LEFT TO BE UNDERSTOOD IN ATIS? ...
最新文章
- shujufenxi:一组数据透视复工复产“进度条”
- mysql 主机类型_实现在别的电脑上访问主机的mysql
- 面试官问我:Redis 内存满了怎么办
- openstack实例状态错误_Openstack虚机操作总结
- macOS下利用dSYM文件将crash文件中的内存地址转换为可读符号
- 微信小程序 official-account组件 关注公众号
- 没有资本怎么创业的思维:不是钱,是实现。
- 求和函数java_java函数求和要怎么写?java求和代码实现
- 曾宪武《物联网通信技术》课后答案(二)
- java编程马拉松比赛_腾讯编程马拉松
- 基于java的文章发布系统_基于JavaSSH的文章发布系统的设计任务书
- Typora修改图片保存位置
- CVE-2021-3560-POLKIT本地提权漏洞复现
- 华硕笔记本开机自动进入bios,进不了windows系统的解决方法
- 电子设计教程40:软启动电路-串联NTC热敏电阻
- 广告和游戏广告变现全面解析
- 二次型x^TAx梯度(求导)推导过程
- git clone的时候直接加上用户名和密码
- 无人机航测案例-湘南某县增减挂钩拆旧地块航拍任务
- 自学和参加web前端培训班需要什么基础
热门文章
- google Chrome 浏览器源码地址地址!
- Postgres主进程文件—postmaster.pid
- 单精度浮点数与十六进制转换
- Android 7.1 bootchart触发后导致不断重启
- Windows环境下的安装gcc
- 复习Object类_日期时间类_System类_StringBuilder_包装类以及各类的细节
- 十九、MySQL常用命令总结
- LeetCode 1860. 增长的内存泄露(等差数列)
- 天池 在线编程 有效的字符串
- LeetCode 247. 中心对称数 II(DP)