摘要
在多关系图上学习良好的表示对于知识库补全（KBC）至关重要。本文提出了一种新的自监督训练目标，用于多关系图表示学习，通过简单地将关系预测纳入常用的1对所有（1vsAll）目标中实现。新的训练目标不仅包含预测给定三元组的主语和宾语的项，还包含一个预测关系类型的项。我们分析了这一新目标如何影响KBC中的多关系学习：在多种数据集和模型上的实验表明，关系预测可以显著提高实体排序的效果，这是KBC中最广泛使用的评估任务。具体而言，在FB15k-237数据集上，MRR提高了6.1%，Hits@1提高了9.9%；在Aristo-v4数据集上，MRR提高了3.1%，Hits@1提高了3.4%。此外，我们观察到所提出的训练目标在高度多关系的数据集上特别有效，即包含大量谓词的数据集，并且在使用更大的嵌入维度时生成更好的表示。