【ACL2021】​基于图表示的多元关系链接预测

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。