要約
知識グラフ（Knowledge Graphs; KGs）上の表現学習における新規トレンドは、既知のエンティティの固定セットに対する伝導的なリンク予測タスクから、新しいグラフ上の未知のエンティティに対して推論を行う帰納的なタスクへと移行しています。帰納的な設定では、ノード特徴量がしばしば利用できないため、浅いエンティティ埋め込み行列を訓練することは意味がありません。なぜなら、それらは未知のエンティティに対する推論時に使用できないからです。この分野への関心が高まっているにもかかわらず、帰納的な表現学習手法を評価するためのベンチマークが十分に存在していません。本研究では、ILPC 2022という新しいオープンチャレンジを紹介します。これはKGの帰納的リンク予測に関するものです。この目的のために、Wikidataに基づいて訓練グラフと推論グラフのサイズが既存の帰納的ベンチマークよりも大幅に大きい2つの新しいデータセットを構築しました。また、最近提案された帰納的手法を活用した2つの強力なベースラインも提供しています。私たちはこのチャレンジを通じて、帰納的グラフ表現学習分野でのコミュニティの取り組みを効率化することを目指しています。ILPC 2022は評価の公平性と再現性に関する最善の実践に従っており、https://github.com/pykeen/ilpc2022 で利用可能です。