专栏名称: 数据派THU
本订阅号是“THU数据派”的姊妹账号,致力于传播大数据价值、培养数据思维。
目录
相关文章推荐
数据派THU  ·  【ICML2025】LADA:用于持续学习的 ... ·  昨天  
数据派THU  ·  数据派志愿者招募 | 寻找最志同道合的你! ·  2 天前  
大数据文摘  ·  1步碾压250步!何恺明新作祭出MeanFl ... ·  4 天前  
玉树芝兰  ·  买了 Raycast AI ... ·  3 天前  
51好读  ›  专栏  ›  数据派THU

AAAI 25 | CATS:基于潜在类型约束与子图推理的上下文感知归纳知识图谱补全

数据派THU  · 公众号  · 大数据  · 2025-05-31 17:00

正文

请到「今天看啥」查看全文



归纳式KGC任务的设定确保训练图和测试图中的实体构成两个不相交的集合。模型训练仅能使用训练图中的三元组,而测试图中的三元组仅作为查询三元组补全的证据。处理未见实体要求模型具备归纳推理能力。


实体类型属性 。除三元组外,知识图谱中的实体通常按照本体分类法标注类型。例如在Freebase中,实体"Albert Einstein"属于"/scientist/physicist"类型。一般而言,实体类型概括了实例实体的关键属性,对判断特定实体是否可能作为某关系的头或尾实体至关重要。然而,非百科全书类知识图谱(如WordNet)中的实体通常缺乏显式类型标注。


推理路径 。由于测试图中的实体在训练阶段未曾出现,近期最先进方法利用推理路径进行预测。


定义2(推理路径) 给定查询三元组 ,推理路径是连接头实体 和尾实体 的三元组序列,形式化表示为:


其中 并且 在训练阶段表示 ,在评估阶段表示 。然而,推理路径的存在性和质量无法保证,尤其在少样本场景中。例如,统计显示在FB15k-237(归纳式)数据集的测试集中,205个查询三元组中有61个缺乏可用推理路径。

图片







请到「今天看啥」查看全文