全球学术大会EMNLP是计算机语言学和自然语言处理领域最受关注的国际学术会议之一，EMNLP 2020共收到有效投稿3114篇，录用长文601篇和短文150篇。以下为EMNLP 2020知识图谱补全（Knowledge Graph Completion （KGC））必读的五篇论文——知识图谱补全数据集、少样本知识图谱补全、时序知识图谱补全。

CODEX: A Comprehensive Knowledge Graph Completion Benchmark CODEX：全面的知识图谱补全基准

CODEX是一组从Wikidata和Wikipedia提取的知识图谱补全（knowledge graph completion）数据集，在难度和范围上改进了现有知识图谱补全基准。

代码链接：https://bit.ly/2EPbrJs 论文链接：https://www.zhuanzhi.ai/paper/d717d8d6d510310a3c84116cb407bf18

Adaptive Attentional Network for Few-Shot Knowledge Graph Completion 用于少样本知识图谱（KG）补全的自适应注意力网络

该研究提出了自适应注意力网络，通过学习自适应实体和参考表示来实现少样本KG补全。

代码链接：https://github.com/JiaweiSheng/FAAN 论文链接：https://www.zhuanzhi.ai/paper/dcb3934ceca2116e49f7b24aeb58ecdf

DyERNIE: Dynamic Evolution of Riemannian Manifold Embeddings for Temporal Knowledge Graph Completion DyERNIE：时序知识图谱的黎曼流形嵌入的动态演化

本文提出的DyERNIE，可以学习黎曼流形（Riemannian manifolds）乘积中的演化实体表示，其组合空间根据基础数据的截面曲率估算。该方法能够更好地反映时序知识图谱（KG）上的各种几何结构，实体表示根据每个时间戳处切线空间中定义的速度矢量进行演化。

论文链接：https://www.zhuanzhi.ai/paper/5cc38c63306d2cb28b8a968e65785758

Temporal Knowledge Base Completion: New Algorithms and Evaluation Protocols 时序知识库的补全：新算法和评估协议

本文将预测缺失的实体（链接预测）和缺失的时间间隔（时间预测）视为联合的时序知识库补全（TKBC）任务，并提出了TIMEPLEX，一种新颖的TKBC方法，其实体、关系和时间都嵌入统一的兼容空间。

论文链接：https://www.aclweb.org/anthology/2020.emnlp-main.305/

TeMP: Temporal Message Passing for Temporal Knowledge Graph Completion TeMP：用于时序知识图谱补全的时序信息传递

本文提出时序信息传递（TeMP）框架，通过结合图神经网络、时间动力学模型、数据缺失处理和基于频率的门控技术，来应对时序知识图谱中（TKG）推断缺失事实的任务挑战。

论文链接：https://www.zhuanzhi.ai/paper/0dd2821ef77c893c320daf34d1448b77

原文链接：https://mp.weixin.qq.com/s/5tzM92j4xZ8QPLUxqM-o_A

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