【AAAI2021】归纳关系推理的传递信息传递

知识图谱的关系预测旨在预测实体之间的缺失关系。尽管归纳关系预测的重要性，大多数以前的工作都局限于一个转换的设置，不能处理以前看不见的实体。最近提出的基于子图的关系推理模型提供了从围绕一个候选三元组的子图结构中归纳预测链接的替代方法。然而，我们观察到这些方法往往忽略了提取子图的有向性质，削弱了关系信息在子图建模中的作用。因此，它们不能有效地处理不对称/反对称三联体，并为目标三联体产生不足的嵌入。为此，我们引入了一种用于归纳关系推理的传递消息的神经网络CoMPILE，该网络对局部有向子图结构进行推理，并对处理实体无关的语义关系具有强烈的归纳倾向。与现有模型相比，CoMPILE加强了边缘之间的消息交互，并授权通过通信内核，并支持足够的关系信息流。此外，我们还证明了CoMPILE可以自然地处理非对称/反对称关系，而不需要通过提取有向封闭子图来爆炸式地增加模型参数的数量。广泛的实验表明，与最先进的方法相比，在常用的基准数据集上具有不同的归纳设置的实质性性能收益。

https://www.zhuanzhi.ai/paper/4c023087dcd3648d441fc6d1394dbb00

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“CMP” 可以获取《【AAAI2021】归纳关系推理的传递信息传递》专知下载链接索引

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