【标题】SQUIRE: A Sequence-to-sequence Framework for Multi-hop Knowledge Graph Reasoning

【作者团队】Yushi Bai, Xin Lv, Juanzi Li, Lei Hou, Yincen Qu, Zelin Dai, Feiyu Xiong

【发表日期】2022.10.31

【论文链接】https://arxiv.org/pdf/2201.06206v3.pdf

【推荐理由】近年来，多跳知识图（KG）推理已被广泛研究，以提供具有证据路径的丢失链接的可解释预测。诸多研究都使用了基于强化学习（RL）的方法，这些方法学习导航到目标实体的路径。然而，都存在收敛速度慢和收敛性差的问题，并且当路径上缺少边缘时，它们可能无法推断出某条路径。本文介绍了SQUIRE，这是首个基于序列到序列的多跳推理框架，它利用编码器-解码器-变换器结构将查询转换为路径。该框架带来了两个好处：（1）它可以以端到端的方式学习和预测，从而实现更好更快的收敛；（2） 该Transformer模型不依赖现有的边来生成路径，并且可以灵活地完成路径上的缺失边，尤其是在稀疏的KG中。在标准和稀疏KG上的实验表明，该方法比现有方法有了显著的改进，同时收敛速度提高了4倍至7倍。

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