论文浅尝 | TKGR with Low-rank and Model-agnostic Representations

笔记整理：李行，天津大学硕士

链接：https://arxiv.org/pdf/2204.04783v1.pdf

动机

现有MKGC方法中的知识转移效率低下，因为它们分别对每个KG进行编码并通过强制对齐的实体共享相同的嵌入来转移知识。

亮点

本文的亮点主要包括：

（1）通过将实体对齐视为一种新的边缘类型并引入关系感知注意机制来控制知识传播来处理 MKGC 的知识不一致问题；

（2）提出了一种新的具有自我监督的对齐对生成机制，以缓解种子对齐的稀缺性；

（3）构建了一个新的工业级多语种电子商务知识图谱；

（4）大量实验验证了 SSAGA 在公共和工业数据集中的有效性。

概念及模型

本文为MKGC引入SS-AGA，由图2中的两个交替训练组件(a)和(b)组成：(a)一个新的对齐对生成模块，用于缓解