【斯坦福大学-论文】实体上下文关系路径的知识图谱补全

地址：

https://www.zhuanzhi.ai/paper/fb2c4bb2a8ac22611e12bbadc42153f3

知识图谱补全的目的是预测知识图谱中实体之间的缺失关系。虽然已经提出了许多不同的方法，但缺乏一个统一的框架产生SOTA的结果。在这里，我们开发了PathCon，这是一种知识图谱补全方法，它利用四个新颖的见解来超越现有的方法。PathCon通过以下方法预测一对实体之间的关系: (1)通过捕获实体附近的关系类型，并通过基于边缘的消息传递模式建模，来考虑每个实体的关系上下文; (2)考虑获取两个实体之间所有路径的关系路径; (3)通过可学习的注意力机制，自适应地整合关系上下文和关系路径。重要的是，与传统的基于节点的表示不同，PathCon仅使用关系类型表示上下文和路径，这使得它适用于归纳设置。在知识图谱基准上的实验结果以及我们新提出的数据集表明，PathCon在很大程度上优于最先进的知识图谱补全方法。最后，PathCon能够通过识别对给定的预测关系很重要的上下文和路径关系来提供可解释的说明。

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“PathCon” 就可以获取《实体上下文关系路径的知识图谱补全》论文专知下载链接

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