论文笔记整理:康矫健,浙江大学计算机科学与技术系,硕士研究生。
论文链接:https://arxiv.org/pdf/1911.08935.pdf
发表会议:AAAI 2020
Motivation
现有的KG Embedding方法大部分仅关注每个三元组的结构化信息
有部分的工作把KG中的路径信息考虑在内而不仅仅是每次只考虑单个三元组,但是这种方法在获得路径表示的时候缺乏可解释性。
因此本文提出一种基于规则和路径的知识图谱表征学习方法,能够充分利用logic rules的可解释性和准确性。
Model
1. 挖掘规则:利用现有KG中的规则挖掘工具(如AMIE)自动从KG中抽取出规则,总共两类,包括长度为1的规则和长度为2的规则,每条规则有一个置信度
2. 挖掘KG中实体之间的路径:利用PtransE自动挖掘头实体h和尾实体t之间存在的路径p,每条路径p有一个置信度
。
3. 利用挖掘出来的规则和实体之间的路径做实体的组合表征学习。
如上图所示PtransE挖掘出实体David和USA之间的一条路径如下
AMIE挖掘出2条长度为2的规则