知识图谱嵌入模型的概率标定,Probability Calibration for Knowledge Graph Embedding Models

题目： Probability Calibration for Knowledge Graph Embedding Models

摘要： 知识图谱嵌入的研究忽略了概率定标问题。我们展示了流行的嵌入模型确实是未经校准的。这意味着与预测三元组相关的概率估计是不可靠的。摘要针对知识图谱中常见的情况，提出了一种新的校准模型的方法。我们建议在我们的方法的同时使用普拉特尺度和等渗回归。在三个带有地面真值负样本的数据集上进行的实验表明，与使用负样本的黄金标准相比，我们的贡献使模型得到了很好的校准。我们得到的结果显着优于未校准的模型从所有校准方法。我们证明等渗回归提供了最好的整体性能，而不是没有权衡。我们还表明，经过校准的模型不需要定义特定于关系的决策阈值就可以达到最先进的精度。