StarGraph: 不完全な2ホップ部分グラフに基づく知識表現学習

知識グラフ（Knowledge Graph: KG）の従来の表現学習アルゴリズムは、各エンティティを一意の埋め込みベクトルにマッピングし、近傍に含まれる豊富な情報を無視しています。本研究では、大規模な知識グラフにおいて近傍情報を活用してエンティティ表現を得る新しい方法であるStarGraphを提案します。まず、各ターゲットノードに対して不完全な2ホップ近傍部分グラフを生成し、次に修正された自己注意ネットワーク（Self-Attention Network）によって処理してエンティティ表現を得ます。この表現は、従来の方法におけるエンティティ埋め込みを置き換えるために使用されます。我々はogbl-wikikg2で最先端（State-of-the-Art: SOTA）の性能を達成し、fb15k-237でも競争力のある結果を得ました。実験結果はStarGraphがパラメータ効率が高く、ogbl-wikikg2での改善が大規模な知識グラフにおける表現学習の有効性を示しています。コードは現在、\url{https://github.com/hzli-ucas/StarGraph} で公開されています。