KG-BERT：基于BERT的知识图谱补全，KG-BERT: BERT for Knowledge Graph Completion

题目： KG-BERT: BERT for Knowledge Graph Completion

摘要： 知识图谱是许多人工智能任务的重要资源，但往往是不完整的。在这项工作中，我们使用预训练的语言模型来对知识图谱进行补全。我们将知识图谱中的三元组视为文本序列，并提出了一种新的框架结构——知识图谱双向编码方向转换器(KG-BERT)来对这些三元组进行建模。该方法以一个三元组的实体描述和关系描述作为输入，利用KG-BERT语言模型计算三元组的评分函数。在多个基准知识图谱上的实验结果表明，我们的方法在三元组分类、链接预测和关系预测任务上都能达到最新的性能。