题目
Few-Shot Knowledge Graph Completion
简介
知识图是各种自然语言处理应用的有用资源。以前的KG完成方法需要为每个关系提供大量的训练实例(即头-尾实体对)。实际情况是,对于大多数关系,很少有实体对可用。现有的单镜头学习极限方法普遍适用于少镜头场景,不能充分利用监控信息,但很少有人对KG完工的研究还很少。在这项工作中,我们提出了一个新的少数镜头关系学习模型(FSRL),旨在发现新的关系事实很少镜头参考。FSRL可以有效地从异构图结构中获取知识,聚集少量镜头引用的表示,并为每个关系匹配相似的引用集实体对。在两个公共数据集上进行的大量实验表明,FSRL优于最新技术。
作者
Chuxu Zhang, Meng Jiang,Nitesh V. Chawla,来自圣母大学
Huaxiu Yao, Zhenhui Li,来自宾夕法尼亚州立大学
Chao Huang, 来自JD金融美国公司