Jun, 2024

从零开始：自动知识图谱补全的三元组预测

PDF
TL;DR本研究提出了一种新的图级自动知识图谱补全任务，称为三元组集合预测（TSP），该任务旨在预测给定一组已知三元组的一组缺失三元组。为了评估这一新任务，我们提出了 4 个评估指标，包括 3 个分类指标和 1 个排序指标，并考虑了部分开放世界和封闭世界的假设。此外，为了解决庞大的候选三元组预测，我们提出了一种新颖且高效的基于子图的方法 GPHT。在实验证明，该方法可以成功生成一组缺失的三元组，并在新任务上取得了合理的分数，而 GPHT 在预测时间上表现更好，比基线模型显著缩短了预测时间。
knowledge graph completiontriple set predictionevaluation metricssubgraph-based methodbaselines
发现论文，激发创造
  • 知识图谱补全综述

    该研究论文介绍了知识图谱在信息抽取方法中的应用，探讨了表示学习和图神经网络在知识图谱完成中的作用，以及如何利用知识图谱在下游任务中预测缺失的链接。

    Aug, 2022

  • 利用嵌入式知识图谱进行链接预测

    本文介绍了基于嵌入式知识图谱网络的知识库完成方法，通过使用端到端反向传播训练，可以将大型知识库压缩成优化的版本，并在知识库完成基准测试中取得了最新的最佳结果。

    Nov, 2016

  • 逐步增强的知识图谱补全

    在这篇论文中，我们研究了与真实世界建设场景相关的三个重要过程：验证过程，挖掘过程和训练过程，并通过整合这三个过程引入了渐进式知识图谱完成（PKGC）任务，以模拟在真实世界场景中逐步完善知识图谱的过程。此外，为了加快 PKGC 处理，我们提出了两个加速模块：优化的 Top-k 算法和语义有效性过滤器，这些模块显著提高了挖掘过程的效率。我们的实验证明链接预测的性能不能准确反映 PKGC 的性能，更深入的分析揭示了影响结果的关键因素，并为未来的研究提供了潜在的方向。

    Apr, 2024

  • 时间知识图谱补全：综述

    本研究首次总结了时间知识图补全方法的研究进展，包括背景、基准数据集、评估指标以及现有方法，旨在解决静态知识图补全方法的不准确问题。未来的研究方向也在文章中提出。

    Jan, 2022

  • 学术知识图谱补全的三元分类

    本文提出了一种利用预训练的 transformer 语言模型来执行学术知识图谱补全的方法 ——exBERT，并在三个学术知识图谱完成数据集上表现优异，还提供了两个学术数据集作为资源。

    Nov, 2021

  • 在开放世界假设下重新思考知识图谱评估

    本文研究了在更现实的开放世界假设下，知识图谱补全模型的评估，指出在测试时采用的指标可能会不正确反映模型的表现，因为未知的三元组可能包含许多缺失的事实，不在训练或测试集中，因此建议对数据进行更多的探索和量化分析以改进现有的评估方法。

    Sep, 2022

  • 通过预训练语言模型对文本增强开放知识图谱完成进行优化

    TAGREAL 通过从大型文本语料库中检索支持信息，自动生成高质量的查询提示，从而探索 PLM 的知识，实现开放知识图谱完成，并实现了最先进的性能表现。

    May, 2023

  • 知识图谱完善：基于知识检索和阅读理解的方法

    该研究提出一种基于信息检索和阅读理解的知识图谱自动完成模型，在实验中发现该模型可以很好地解决无法从现有知识中推断的关系，并在多个知识图谱自动完成数据集上取得良好结果。

    Oct, 2022

  • 基于结构增强的文本表示学习用于高效的知识图谱补全

    本研究旨在整合知识图谱的图嵌入和文本编码技术，以提高自动完成知识图谱的性能，实现更精确的链接预测和结构学习。实验结果表明，该方法能实现与文本编码方法相比 1-2 个数量级的推理成本减少和最先进的性能表现。

    Apr, 2020

  • DSKG：一种用于知识图谱补全的深度顺序模型

    本研究提出了一种新的知识图谱完成模型，使用知识图谱专用多层递归神经网络作为核心，能够更好地完成实体预测任务并实现全三元组预测。

    Oct, 2018