本文发表在AAAI2019,作者来自Sun Yat-sen University,Tencent AI Lab,Wuhan University。
经过了前两篇论文的学习,现在我们知道了GK embedding分为encoder和decoder两部分。而融合了图神经网络的encoder有更大的创新空间,GNN的聚合方式影响了GNN的性能。本文认为,一个理想的聚合器应该具有以下所需的属性:
- Permutation Invariant。这也是GNN中的一个基本的性质,即:聚合与邻域节点的顺序无关。
- Redundancy Aware。KGs中的事实往往是相互依赖的。例如,一个人在芝加哥公牛队打球总是暗示他/她是篮球运动员。利用实体邻域中的这种冗余是有益的,从而使聚合提供信息。好的聚合器应该能利用这种非显示的冗余信息。
- Query Relation Aware。对于常见的KG补全任务,查询关系是预先给出的,例如live_in。一个聚合者可能会利用这些信息集中在附近的相关事实,例如,“play for” Chicago Bulls。这条性质和上一条有所区别,因为live_in这个关系并不一定真的与play_for有很强烈的因果或是包含关系,二者只是有一定的概率一同出现。结合后文的算法,这条性质应该旨在说明聚合器需要建模不同关系之间的概率关系。