论文笔记整理:谭亦鸣,东南大学博士生,研究方向为知识库问答。
来源:arXiv (short version accepted at ICLR 2019Workshop on Representation Learning on Graphs and Manifolds)
链接:https://arxiv.org/abs/1904.05530
本文提出了一种建模时序、多关系、图结构数据的神经网络方法,称为循环事件网络(RE-NET),该模型由RNN事件序列编码器和近邻聚合模型组成。其中,近邻聚合模型将每一时刻主实体通过关系连接的邻居(一跳或两跳)进行信息聚合,与主实体(Subject)、关系(Relation)的向量表示一同作为RNN的输入,从而实现数据建模,用于预测某时刻主体事件s在关系r上对应的客体事件o,(假定图谱四元组表示为(s, r, o, t),任务目标是预测(s, r, ?, t)或(?, r, o, t)中的?)。
思路
本文方法的关键思路包括:
1. 时序图谱可以被看作具有多个相互关系的序列;
2. 实体间的多个相互关系可能发生