链接:http://cn.arxiv.org/pdf/1808.09040
动机
如今的知识图谱规模很大但是完成度不高,long-tail关系在知识图谱中很常见,之前致力于完善知识图谱的方法对每个关系都需要大量的训练样本(三元组),而新加入的关系其样本数量通常不是很多。为解决这个问题,本文提出了one-shot场景下的关系学习模型,该模型通过学习实体的embedding和相应的局部图结构来获得一个匹配度量函数,最终推导出新的三元组。
亮点
本文提出的模型有以下亮点:
(1)只依赖于实体的embedding和局部图结构(之前的方法依赖于关系的良好表示);
(2)一旦训练完成便可以预测任何关系(之前的方法需要微调来适应新的关系)
概念
本文主要针对(h,r,?)类型的推测,即从候选集合中选出最合适的t来构造新的三元组(h,r,t),主要符号含义如下:
• G