【论文标题】Dynamic Anticipation and Completion for Multi-Hop Reasoning over Sparse Knowledge Graph 【作者团队】Xin Lv, Xu Han, Lei Hou, Juanzi Li, Zhiyuan Liu, Wei Zhang, Yichi Zhang, Hao Kong, Suhui Wu 【发表时间】2020/10/05 【论文链接】https://arxiv.org/abs/2010.01899 【代码链接】https://github.com/THU-KEG/DacKGR

【推荐理由】 本文来自智源青年科学家刘知远教授团队，该论文一种名为DacKGRover的知识图谱多跳推理模型，有效提升了在稀疏知识图谱上的推理效果。 近年来，研究者们对多跳推理进行了广泛研究，以寻求一种有效且可解释的方法。先前的大多数推理方法都是为实体之间具有足够路径的密集知识图谱设计的，但不能在稀疏的知识图谱上很好地工作。一方面，稀疏的知识图谱包含的信息较少，这使得模型难以选择正确的路径。另一方面，缺乏到目标实体的证据路径也使推理过程变得困难。为了解决这些问题，作者通过应用新颖的动态预测和完成策略，提出了一种名为DacKGRover稀疏知识图谱的多跳推理模型：（1）预测策略利用基于嵌入模型的潜在预测在稀疏KG上执行更多潜在路径搜索。（2）根据预测信息，完成策略会在路径搜索过程中动态添加边线作为其他动作。

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