ASKRL: An Aligned-Spatial Knowledge Representation Learning Framework for Open-world Knowledge Graph #201
Description
一言でいうと
オープンワールド知識グラフにおけるゼロショットエンティティの問題に対処
著者/所属機関
Ziyu Shang, Peng Wang, Yuzhang Liu, Jiajun Liu and Wenjun Ke
- School of Computer Science and Engineering, Southeast University, Nanjing, China
DOI
会議名(ジャーナル名)
The 22nd International Semantic Web Conference (ISWC2023)
トラック
Research Track
動機
クローズドワールド知識表現学習(KRL)モデルは、ゼロショットエンティティを効果的に処理できず、オープンワールド設定での使用に限界
手法
SKRLは、構造化された埋め込み層、説明エンコーディング層、そして埋め込み空間整列層の3つの主要なコンポーネントで構成． エンティティとリレーションの表現を構造化された空間と意味空間の両方で学習
背景
オープンワールド知識グラフは、新たなエンティティやリレーションが継続的に追加されるため、既存のKRLモデルでは対応できない
結果
ASKRLはオープンワールド知識グラフ完了データセットにおいて、強力なベースラインモデルを一貫して上回る．特にBERTベースのエンコーダの際に顕著な向上
考察
KRLモデルやトランスフォーマーベースのエンコーダーを使用することで、さらなる改善が期待
課題
異なる種類の知識グラフにおけるASKRLの適用性，多言語や他ドメインでの実験
読んだ範囲
斜め読み程度