题目: Relation Adversarial Network for Low Resource Knowledge Graph Completion

摘要: 知识图谱补全(Knowledge Graph Completion, KGC)是一种通过链接预测或关系提取来填充缺少的链接来改进知识图谱的方法。KGC的主要困难之一是资源不足。之前的方法假设有足够训练的三元组来学习实体和关系的通用向量,或者假设有足够数量的标签句子来训练一个合格的关系提取模型。然而,在KGs中,少资源关系非常普遍,这些新增加的关系往往没有很多已知的样本去进行训练。在这项工作中,我们的目标是在具有挑战性的环境下只有有限可用的训练实例预测新的事实。我们提出了一个加权关系对抗性网络的通用框架,它利用对抗性过程来帮助将从多资源关系中学习到的知识/特征调整为不同但相关的少资源关系。具体地说,该框架利用了一个关系鉴别器来区分样本和不同的关系,帮助学习更容易从源关系转移到目标关系的关系不变量特征。实验结果表明,该方法在少资源设置下的链路预测和关系提取都优于以往的方法。

成为VIP会员查看完整内容
35

相关内容

知识图谱补全,指的是将知识图谱中的实体,关系,属性以及属性值等进行补全,多采用自动化加人工的方式进行。
论文浅尝 | ICLR2020 - 基于组合的多关系图卷积网络
开放知识图谱
21+阅读 · 2020年4月24日
论文浅尝 | 重新实验评估知识图谱补全方法
开放知识图谱
27+阅读 · 2020年3月29日
论文浅尝 | Global Relation Embedding for Relation Extraction
开放知识图谱
12+阅读 · 2019年3月3日
论文浅尝 | 多内容实体和关系联合抽取的对抗训练
开放知识图谱
42+阅读 · 2018年12月4日
论文浅尝 | Zero-Shot Transfer Learning for Event Extraction
开放知识图谱
26+阅读 · 2018年11月1日
论文浅尝 | 基于开放世界的知识图谱补全
开放知识图谱
11+阅读 · 2018年7月3日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
Arxiv
14+阅读 · 2019年11月26日
Arxiv
15+阅读 · 2019年9月11日
Arxiv
7+阅读 · 2018年8月28日
Arxiv
29+阅读 · 2018年4月6日
VIP会员
相关VIP内容
相关资讯
论文浅尝 | ICLR2020 - 基于组合的多关系图卷积网络
开放知识图谱
21+阅读 · 2020年4月24日
论文浅尝 | 重新实验评估知识图谱补全方法
开放知识图谱
27+阅读 · 2020年3月29日
论文浅尝 | Global Relation Embedding for Relation Extraction
开放知识图谱
12+阅读 · 2019年3月3日
论文浅尝 | 多内容实体和关系联合抽取的对抗训练
开放知识图谱
42+阅读 · 2018年12月4日
论文浅尝 | Zero-Shot Transfer Learning for Event Extraction
开放知识图谱
26+阅读 · 2018年11月1日
论文浅尝 | 基于开放世界的知识图谱补全
开放知识图谱
11+阅读 · 2018年7月3日
论文浅尝 | Distant Supervision for Relation Extraction
开放知识图谱
4+阅读 · 2017年12月25日
微信扫码咨询专知VIP会员