关系感知的集成学习用于知识图谱嵌入

知识图谱（Knowledge Graph, KG）嵌入是自然语言处理领域的一项基础任务，已有多种方法被提出，以不同方式探索语义模式。本文提出一种关系感知的集成学习方法，通过协同利用现有方法来构建集成模型。然而，采用关系感知的集成策略探索语义信息时，其搜索空间远大于传统集成方法。为解决这一问题，本文提出一种“分治-搜索-合并”算法——RelEns-DSC，该算法独立地为每种关系学习集成权重。该方法在计算开销上与传统集成方法相当，但性能显著更优。在基准数据集上的实验结果表明，所提方法能够高效搜索关系感知的集成权重，并在知识图谱嵌入任务中达到当前最优性能。相关代码已公开，地址为：https://github.com/LARS-research/RelEns。