【AAAI2023】终身嵌入学习和迁移的知识图谱增长

现有的知识图谱(KG)嵌入模型主要关注静态知识图谱，然而，现实世界的知识图谱并不是静态的，而是随着知识图谱应用程序的发展而发展和增长的。因此，新的事实和以前看不到的实体和关系不断出现，需要一个嵌入模型，可以通过增长快速学习和转移新知识。基于此，本文对KG嵌入的一个扩展领域进行了研究，即终身KG嵌入。我们考虑了知识的转移和对一个KG的不断增长的快照的学习的保留，而不必从头开始学习嵌入。该模型包括一个用于嵌入学习和更新的掩码KG自编码器，一个将学习到的知识注入到新的实体和关系嵌入中的嵌入转移策略，以及一个避免灾难性遗忘的嵌入正则化方法。为了研究KG生长的不同方面的影响，我们构建了四个数据集来评估终身KG嵌入的性能。实验结果表明，该模型优于现有的归纳和终身嵌入基线。

https://www.zhuanzhi.ai/paper/de7061bb76e5ed6f72e8d7100bd41ae8