التعلم المجمّع المستشعر للعلاقة للإدخال المعرفة الرسومية

تمثيل الرسم المعرفي (KG) يُعد مهمة أساسية في معالجة اللغة الطبيعية، وقد تم اقتراح العديد من الطرق لاستكشاف الأنماط الدلالية بطرق متميزة. في هذه الورقة، نقترح تعلم مجموعة متكاملة (Ensemble) من خلال الاستفادة من الطرق الحالية بطريقة تراعي العلاقات (relation-aware). ومع ذلك، فإن استكشاف هذه الجوانب الدلالية باستخدام المجموعة المتكاملة التي تراعي العلاقات يؤدي إلى فضاء بحث أضخم بكثير مقارنةً بالطرق المتكاملة العامة. لحل هذه المشكلة، نقترح خوارزمية تُسمى RelEns-DSC (تقسيم-بحث-دمج)، والتي تبحث في أوزان المجموعة المتكاملة لكل علاقة بشكل مستقل. تمتلك هذه الخوارزمية نفس التكلفة الحسابية للطرق المتكاملة العامة، ولكنها تحقق أداءً أفضل بشكل كبير. وأظهرت النتائج التجريبية على مجموعات بيانات معيارية فعالية الطريقة المقترحة في البحث بكفاءة عن أوزان المجموعة المتكاملة التي تراعي العلاقات، وتحقيق أداءً متميزًا في تمثيل الرسم المعرفي. يمكن الوصول إلى الكود المصدري عبر الرابط: https://github.com/LARS-research/RelEns.