论文浅尝 | 基于提示的知识图谱基础模型用于通用上下文推理（NeurIPS2024）

文章预览

笔记整理：王泽元，浙江大学博士生 论文链接：https://arxiv.org/pdf/2410.12288 发表会议：NeurIPS 2024 1. 动机 大量的知识图谱已经被构建来促进各种场景中的知识驱动任务。然而现有的知识图谱推理模型通常为不同的知识图谱开发独立的推理模型，缺乏跨不同知识图谱和推理设置进行知识泛化和迁移的能力，并且往往针对静态的知识图谱，并且在归纳性设置下处理新实体或关系时缺乏泛化能力。尽管最近的研究开始考虑已见与未见实体之间的关系模式，以支持归纳性推理，但这些方法仍然存在局限性，比如依赖于昂贵的事先标记对齐、局限于相似的模式等，从而限制了它们在跨越多个领域知识图谱中的鲁棒通用性。基于以上问题，本文提出了一个基于提示的知识图谱基础模型（KG-ICL），通过上下文学习来提高KG推理的有效性和可转移性。该模型旨在实现 ………………………………