论文浅尝 | One model for all KGs：基于上下文提示的知识图谱基座模型 （NeurIPS2024）

文章预览

笔记整理：崔员宁，南京大学2021级博士生 论文链接：http://arxiv.org/abs/2410.12288 发表会议：NeurIPS 2024 开源代码：https://github.com/nju-websoft/KG-ICL 1. 动机 只训练一个基座模型就能在任意知识图谱上进行推理 ？本文提出的基座模型 KG-ICL 实现了这一目标。现有知识图谱推理方法 通常需要为每个知识图谱分别训练模型，这既耗时又消耗大量计算资源。此外，现实世界的知识图谱是动态变化的，然而现有方法大多针对静态图谱，无法有效应对图谱的更新与变化。 KG-ICL 受到具备上下文推理能力的自然语言处理基座模型（如 GPT ）启发，创新性地提出了一种基于上下文提示的 通用推理机制。该模型基于与查询关系相关的提示图 (prompt graph) 及其编码生成关系的提示向量，并利用提示向量初始化知识图谱中的实体和关系向量，从而避免了对特定实体和关系相关参 ………………………………