基于图表示的多元关系链接预测

Link Prediction on N-ary Relational Facts: A Graph-based Approach

论文链接: https://www.zhuanzhi.ai/paper/419d53c9425c9b3061acb446861be7c7

知识图谱上的链接预测是典型的知识推理任务,近年来受到了学术界和工业界的广泛关注。现有的链接预测算法大多针对知识图谱中的二元关系而设计,无法处理其中普遍存在的多元关系。为此,本文创新性地提出了一种基于异构图表示的多元关系学习算法(GRAN),能够针对知识图谱中的多元关系进行有效的链接预测。GRAN首先将多元关系陈述表示为异构图,同时利用拓扑结构感知的自注意力机制对异构图进行建模,实现多元关系的学习与推理。实验表明,GRAN能够保留多元关系陈述的完整语义,同时有效建模其元素间的丰富交互以增强模型的推理能力,在众多多元关系链接预测标准数据集上全面大幅超越现有方法。

成为VIP会员查看完整内容
33

相关内容

专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
37+阅读 · 2021年8月2日
专知会员服务
30+阅读 · 2021年6月24日
专知会员服务
23+阅读 · 2021年6月19日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
31+阅读 · 2020年12月23日
ACL 2020 | 用于链接预测的开放知识图谱嵌入
PaperWeekly
6+阅读 · 2020年6月26日
论文浅尝 | AAAI2020 - 多分量图卷积协同过滤方法
开放知识图谱
4+阅读 · 2020年4月29日
论文浅尝 | 可建模语义分层的知识图谱补全方法
开放知识图谱
30+阅读 · 2020年3月8日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
论文浅尝 | 知识图谱三元组置信度的度量
开放知识图谱
24+阅读 · 2019年5月16日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
Arxiv
5+阅读 · 2020年8月18日
Hyperbolic Graph Attention Network
Arxiv
6+阅读 · 2019年12月6日
Arxiv
4+阅读 · 2019年2月8日
Arxiv
7+阅读 · 2018年8月21日
Arxiv
15+阅读 · 2018年4月5日
Arxiv
10+阅读 · 2018年2月4日
VIP会员
相关VIP内容
专知会员服务
15+阅读 · 2021年10月4日
专知会员服务
37+阅读 · 2021年8月2日
专知会员服务
30+阅读 · 2021年6月24日
专知会员服务
23+阅读 · 2021年6月19日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
31+阅读 · 2020年12月23日
相关资讯
ACL 2020 | 用于链接预测的开放知识图谱嵌入
PaperWeekly
6+阅读 · 2020年6月26日
论文浅尝 | AAAI2020 - 多分量图卷积协同过滤方法
开放知识图谱
4+阅读 · 2020年4月29日
论文浅尝 | 可建模语义分层的知识图谱补全方法
开放知识图谱
30+阅读 · 2020年3月8日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
论文浅尝 | 知识图谱三元组置信度的度量
开放知识图谱
24+阅读 · 2019年5月16日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关论文
Arxiv
5+阅读 · 2020年8月18日
Hyperbolic Graph Attention Network
Arxiv
6+阅读 · 2019年12月6日
Arxiv
4+阅读 · 2019年2月8日
Arxiv
7+阅读 · 2018年8月21日
Arxiv
15+阅读 · 2018年4月5日
Arxiv
10+阅读 · 2018年2月4日
微信扫码咨询专知VIP会员