论文浅尝 | 知识图谱推理基础模型（ICLR2024）

文章预览

笔记整理：张溢弛，浙江大学硕士，研究方向为知识图谱 论文链接：https://arxiv.org/pdf/2310.04562 发表会议：ICLR 2024 1. 动机 视觉和文本领域的基础模型往往通过学习可迁移的表示（比如一个词汇表）来实现在任何视觉/文本数据集上进行推理的目标。但是在知识图谱（Knowledge Graph, KG）中，由于不同的KG有不同的实体和关系，因此设计可以跨KG迁移的知识图谱推理基础模型就充满了挑战，即如何学习可迁移的实体/关系表示，使得基础模型可以在不同的知识图谱之间进行迁移推理。本论文提出了一种可以学习统一的、可迁移的KG表示的方法ULTRA，通过建立以关系之间的交互为条件的函数来学习关系的表示。这种调节策略使预先训练好的 ULTRA 模型可以归纳概括为具有任何关系词汇的任何未见 KG，并可在任何图形上进行微调。该论文在 57 个不同的 KG 上进行了 ………………………………