AAAI 2018论文解读 | 基于置信度的知识图谱表示学习框架

作者丨谢若冰

单位丨腾讯微信搜索应用部

研究方向丨知识表示学习

知识图谱被广泛地用来描述世界上的实体和实体之间的关系，一般使用三元组（h,r,t）（head entity, relation, trail entity）的形式来存储知识，其中蕴含的知识数量巨大且时常更新。

目前，人工标注已经不能满足知识图谱更新和增长的速度，但自动化构建知识图谱的过程中往往容易引入一些噪声和冲突。

由于大多数传统知识表示学习（Knowledge, Representation Learning, KRL）方法都假设现有知识图谱中的知识是完全正确的，因此会带来潜在误差。

于是，如何从带有噪声或冲突的知识图谱中学习到更好的知识表示向量，同时又能够发现已有知识图谱中可能存在的错误，就成为了亟需解决的问题。 

来自清华大学/腾讯的谢若冰研究员，清华大学的刘知远老师，腾讯的林芬研究员和林乐宇研究员，在即将发表于 AAAI 2018 的论文《Does William Shakespeare REALLY Write Hamlet? Knowledge Representation Learning with Confidence》中，提出了一种新的基于置信度的知识表示学习框架（confidence-aware KRL framework，CKRL），能够发现知识图谱中潜在的噪声或冲突，同时更好地从中学习知识表示。