2ヶ月前
少ショット関係に対する多段推論のためのメタ知識グラフ情報の適応
Xin Lv; Yuxian Gu; Xu Han; Lei Hou; Juanzi Li; Zhiyuan Liu

要約
多段知識グラフ(Knowledge Graph: KG)推論は、クエリ応答(Query Answering: QA)タスクにおいて推論パスを介して目標エンティティを予測する効果的かつ説明可能な方法です。これまでの多くの手法は、KG内のすべての関係が十分な訓練トリプルを持つことを前提としていますが、少数ショット関係については、堅牢な推論モデルのための十分なトリプルを提供できないという問題があります。実際、既存の多段推論手法の性能は、少数ショット関係で大幅に低下します。本稿では、メタ学習を用いて高頻度関係から効果的なメタパラメータを学習し、少数ショット関係に迅速に対応できるメタベースの多段推論手法(Meta-KGR)を提案します。Meta-KGRの評価はFreebaseとNELLからサンプリングされた2つの公開データセットで行われました。実験結果は、Meta-KGRが少数ショットシナリオにおいて現行の最先端手法よりも優れていることを示しています。当方のコードとデータセットはhttps://github.com/THU-KEG/MetaKGR から入手可能です。