摘要
我们提出KGT5-context，一种用于知识图谱（KG）链接预测（LP）的简单序列到序列模型。本工作在KGT5的基础上进行拓展，KGT5是一种近期提出的链接预测模型，能够利用知识图谱的文本特征，具有模型规模小、可扩展性强等优点。然而，为了获得良好的预测性能，KGT5依赖于与知识图谱嵌入（KGE）模型的集成，而该KGE模型本身规模过大，使用成本高昂。在本文的简短研究中，我们通过实证表明，引入上下文信息——即查询实体的直接邻域信息——可显著降低对独立KGE模型的依赖，从而实现优异的性能。所提出的KGT5-context模型结构简洁，模型规模大幅缩减，并在我们的实验研究中达到了当前最优的性能水平。