【KDD2021】基于知识图谱的神经回答逻辑查询

逻辑查询是知识图谱问答系统中一个重要的问题子集。然而，有效地回答大型知识图谱上的逻辑查询仍然是一个极具挑战性的问题。传统的基于子图匹配的方法存在底层知识图谱的噪声和不完整性等问题，线响应时间长。近年来出现了一种新的方法，其核心思想是将知识图谱实体和查询嵌入到一个向量空间中，使答案实体的嵌入与查询实体的嵌入更加接近。与基于子图匹配的方法相比，该方法能更好地处理知识图谱中的噪声或缺失信息，在线响应速度更快。虽然它可能很有前途，但仍然存在一些基本的限制，包括建模关系的线性转换假设，以及无法回答具有多个可变节点的复杂查询。在本文中，我们提出了一种基于嵌入的方法(NewLook)来解决这些限制。我们提出的方法有三个主要优点。首先(适用性)，它支持四种类型的逻辑操作，并且可以使用多个变量节点回答查询。第二(有效性)，提出的NewLook超越了线性变换的假设，因此始终优于现有的方法。第三(效率)，与基于子图匹配的方法相比，NewLook在回答查询方面至少快3倍;与现有的基于嵌入的方法相比，NewLook在线响应时间和离线训练时间相当甚至更快。

http://tonghanghang.org/pdfs/kdd21_newlook.pdf