【SIGIR2021阿里达摩院】基于门控和专注邻居聚合器的关系学习的少样本知识图谱补全

2021 年 4 月 29 日 专知

为了扩大知识图谱中少样本关系的覆盖范围,近年来少样本知识图谱补全(FKGC)得到了越来越多的研究兴趣。现有的模型利用了一种多跳关系的邻居信息来增强其语义表示。但是,当邻域过于稀疏,没有邻域来表示少射关系时,噪声邻域信息可能会被放大。此外,以往的知识图谱补全方法对多对多(1-N)、多对一(N-1)、多对多(N-N)等复杂关系进行建模和推断需要较高的模型复杂度和大量的训练实例。因此,由于训练实例有限,FKGC模型很难在少样本场景下推断复杂关系。本文提出了一种全局-局部框架下的少样本关系学习方法来解决上述问题。在全局阶段,构建了一种新颖的门控和专注邻居聚合器,用于精确集成几个样本关系的邻域的语义,这有助于过滤噪声邻域,即使一个KG包含非常稀疏的邻域。对于局部阶段,我们设计了一种基于元学习的TransH (MTransH)方法来建模复杂关系,并以少量学习的方式训练模型。大量实验表明,我们的模型在常用的基准数据集NELL-One和Wiki-One上的性能优于先进的FKGC方法。与强基线模型MetaR相比,我们的模型通过度量Hits@10在NELL-One上实现了8.0%的5次FKGC性能改进,在Wiki-One上实现了2.8%


https://www.zhuanzhi.ai/paper/94d6afca9acf028db665ffb6575b7c34



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“AFKGC” 就可以获取【SIGIR2021阿里达摩院】基于门控和专注邻居聚合器的关系学习的少样本知识图谱补全》专知下载链接

专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!


欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
8

相关内容

专知会员服务
37+阅读 · 2021年4月25日
【SIGIR2021】基于嵌入的增量式时序知识图谱补全框架
专知会员服务
61+阅读 · 2021年4月21日
专知会员服务
39+阅读 · 2021年4月5日
【WWW2021】双曲图卷积网络的协同过滤
专知会员服务
39+阅读 · 2021年3月26日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
专知会员服务
25+阅读 · 2020年12月17日
最新《知识图谱表示学习补全》综述论文,16页pdf
专知会员服务
65+阅读 · 2020年10月29日
【CVPR2020】L2 ^GCN:图卷积网络的分层学习高效训练
专知会员服务
37+阅读 · 2020年3月31日
【斯坦福大学-论文】实体上下文关系路径的知识图谱补全
【KDD2020-阿里】可调控的多兴趣推荐框架
专知
9+阅读 · 2020年8月11日
【ICML2020】对比多视角表示学习
专知
19+阅读 · 2020年6月28日
Arxiv
10+阅读 · 2021年2月26日
Arxiv
3+阅读 · 2018年12月3日
Exploring Visual Relationship for Image Captioning
Arxiv
14+阅读 · 2018年9月19日
VIP会员
相关VIP内容
专知会员服务
37+阅读 · 2021年4月25日
【SIGIR2021】基于嵌入的增量式时序知识图谱补全框架
专知会员服务
61+阅读 · 2021年4月21日
专知会员服务
39+阅读 · 2021年4月5日
【WWW2021】双曲图卷积网络的协同过滤
专知会员服务
39+阅读 · 2021年3月26日
【WSDM2021】多交互注意力网络细粒度特征学习的CTR预测
专知会员服务
24+阅读 · 2020年12月27日
专知会员服务
25+阅读 · 2020年12月17日
最新《知识图谱表示学习补全》综述论文,16页pdf
专知会员服务
65+阅读 · 2020年10月29日
【CVPR2020】L2 ^GCN:图卷积网络的分层学习高效训练
专知会员服务
37+阅读 · 2020年3月31日
【斯坦福大学-论文】实体上下文关系路径的知识图谱补全
Top
微信扫码咨询专知VIP会员