论文浅尝 | 知识图谱的单样本关系学习

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