论文题目:Meta-Knowledge Transfer for Inductive Knowledge Graph Embedding
论文链接:https://arxiv.org/abs/2110.14170
代码链接:https://github.com/zjukg/MorsE
一、引言
当前,大量的大规模知识图谱(knowledge graph,KG)被提出,并应用于多种下游任务。在知识图谱的使用过程中,有各种知识图谱表示学习的方法(即知识图谱嵌入,knowledge graph embedding,KGE)被提出,用于将知识图谱中的实体和关系映射到连续的低维向量空间中。相比于传统地用离散的三元组对知识图谱进行表示,向量表示可以更好地被深度学习模型所使用。
然而传统的KGE方法只能对训练阶段已经见过的实体进行预测和应用(即transductive,直推式场景),因为传统的KGE方法是对一个固定集合的实体学习嵌入表示。所以对知识图谱表示学习来说,可归纳式&#