论文浅尝 | 编辑基于语言模型的知识图谱嵌入（AAAI2024）

文章预览

笔记整理：曲晏林，天津大学硕士，研究方向为大语言模型 论文链接：https://arxiv.org/abs/2301.10405 发表会议：AAAI 2024 1. 动机 知识图谱 (Knowledge Group, KG) 由三元组 ( 头部实体、关系、尾部实体 ) 组成，广泛应用于下游任务，如问答和推荐系统。传统的图谱嵌入方法通常基于结构化信息，如 TransE 、 RotatE 等，但难以表示长尾实体和动态实体。基于语言模型的图谱嵌入方法（ PLM-based KGE ）利用预训练语言模型捕获图谱结构，并生成更具信息量的表示。然而， PLM-based KGE 通常作为静态模型部署，无法适应新知识或纠正错误信息。例如，在总统选举后，需要将图谱嵌入中的“美国总统”从“ Donald Trump ”更新为“ Joe Biden ”，这种静态特性使得 PLM-based KGE 无法适应动态变化的环境，限制了其在实际应用中的价值。因此，需要一种高效的图谱嵌入编辑方法，以 ………………………………