本文介绍中国科学院大学网络安全学院方芳教授课题组发表在 AAAI 2022 上的论文 “How Does Knowledge Graph Embedding Extrapolate to Unseen Data: a Semantic Evidence View”。

论文链接：

https://arxiv.org/abs/2109.11800

代码：

https://github.com/renli1024/SE-GNN

论文主要尝试研究两个问题：(1)知识图嵌入模型如何外推到看不见的数据？(2)如何设计具有更好外推能力的 知识图嵌入模型？对于问题1，本文分别从关系、实体和三元组三个层次讨论了影响外推的因素，提出了三种语义证据，它们可以从训练集中观察到，为外推提供重要的语义信息。然后通过对几种典型 KGE 方法的大量实验，验证了三种语义证据的有效性。对于问题2，为了更好地利用语义证据的三个层次，本文提出了一种新的基于 GNN 的 KGE 模型，称为语义证据感知图神经网络（SE-GNN）。

本文明确地将每个语义证据视为不同的邻域模式，并通过 GNN 的多层聚合机制对它们进行充分建模，以获得更多的外推知识表示。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除