PASSLEAF: 一个用于不确定知识图谱嵌入的基于样本池的半监督学习框架

在不确定知识图谱的嵌入中，实体之间的每个关系都有一个置信度。鉴于现有的嵌入方法可能会丢弃不确定性信息，或只加入特定类型的得分函数，或在训练中造成大量的假的负样本，本文提出PASSLEAF框架来解决上述问题。

PASSLEAF框架的亮点主要包括：

1.提出结合不同类型的评分函数来预测关系置信分数的模型。2.提出通过利用与估计的置信分数相关的正负样本的半监督学习模型。

此外，PASSLEAF利用样本池作为生成样本的中转站，进一步增强了半监督学习。实验结果表明，本文提出的框架在置信度评分预测和尾实体预测方面都具有较高的准确率，能够更好地学习嵌入。

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