扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

武汉科技大学:UnTiCk:基于知识图的无监督类型感知复杂逻辑查询推理

论论资讯 | 2023-03-01 1热度

Electronics (Switzerland)

Explore content

About the journal

Publish with us

UnTiCk: Unsupervised Type-Aware Complex Logical Queries Reasoning over Knowledge Graphs

Chen D.; Li Q.; Gu J.

Published:2023-03-01
DOI:10.3390/electronics12061445

研究背景

在当今社会,人们对于知识的需求越来越高,而知识图谱是一种能够满足人们需求的重要工具。然而,对于大规模不完整的知识图谱,回答复杂逻辑查询的任务是一个具有挑战性的问题。目前的解决方法是将知识图谱和复杂逻辑查询嵌入到低维空间中,并进行迭代推理来找到最终答案。但是,这些模型通常不包括实体类型作为一个重要特征,这降低了推理的潜力。然而,在大规模知识图谱上,显式的类型信息并不总是可用的。

研究内容

针对以上问题,该论文提出了一种创新的基于嵌入的框架,名为UnTiCk,用于无监督类型感知复杂逻辑查询。该方法实现了对多跳复杂逻辑查询处理的无监督类型约束。此外,当实体在逻辑路径的不同位置时,它可以捕捉类型特征的不同表示。该方法设计了类型兼容性测量元算子,结合流行的存在积极一阶(EPFO)神经逻辑算子,以实现类型感知的EPFO复杂查询嵌入。研究者使用与复杂逻辑嵌入方法相同的嵌入维度,在流行的大规模知识图谱上验证了该框架的有效性。结果显示,在Hit@3上平均相对提高了1.9-12.8%,在某些逻辑模式上提高了高达42.1%。

研究意义

该论文提出了一种新的框架,能够在大规模不完整的知识图谱上实现无监督类型感知复杂逻辑查询。与现有方法相比,该方法可以更好地捕捉实体类型的信息,提高推理的准确性和效率。此外,该方法还可以在实际应用中提高知识图谱的使用价值,为人们提供更好的知识服务。

微信扫码即可查看