论文浅尝 | Better Together：利用语言模型和邻域信息增强生成式知识图谱的完备性

文章预览

笔记整理：杜苗增，东南大学硕士，研究方向为多模态知识图谱 链接：https://arxiv.org/pdf/2311.01326.pdf 1. 动机 知识图谱中的实体既可以是现实世界中对象，也可以是抽象的概念，实体间的关系也提供了大量的知识。然而现实世界的知识图谱存在不完备性，意味着知识图谱中存在着未涵盖或未完整表示现实世界知识的情况，即使已经包含了大量的信息和关系，仍然存在一些未被收录或未被充分描述的实体、关系或属性。近来，学者们开始 将语言模型 (LMs) 应用于 知识图谱补全 (KGC) 任务。目前基于 L M s 的方法仅依赖于从 L M s 参数中提取的信息，忽略了知识图谱本身拥有的领域实体的一些信息， 而知识图谱中的结构和语义信息对于预测缺失的节点是有帮助的。且通常需要对所有可能的候选节点排序，是计算开销大的过程。 为此本文提出了一种生成式图 ………………………………