论文浅尝 | 面向时序知识图谱推理的循环事件网络

最新推荐文章于 2024-01-10 19:40:26 发布

开放知识图谱

最新推荐文章于 2024-01-10 19:40:26 发布

阅读量3.4k

点赞数 3

本文链接：https://blog.csdn.net/TgqDT3gGaMdkHasLZv/article/details/101180794

版权

论文提出循环事件网络(RE-NET)，用于时序、多关系图结构数据建模，尤其适用于知识图谱推理。该模型结合RNN事件序列编码器和近邻聚合模型，通过考虑实体间的关系和时间依赖来预测未知事件。实验显示，RE-NET在多个数据集上优于其他统计和时序推理方法。

摘要由CSDN通过智能技术生成

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。

640?wx_fmt=png

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