典型文献
基于知识协同微调的低资源知识图谱补全方法
文献摘要:
知识图谱补全能让知识图谱变得更加完整.现有的知识图谱补全工作大多会假设知识图谱中的实体或关系有充足的三元组实例.然而,在通用领域,存在大量长尾三元组;在垂直领域,较难获得大量高质量的标注数据.针对这一问题,提出了一种基于知识协同微调的低资源知识图谱补全方法.通过已有的结构化知识来构造初始的知识图谱补全提示,并提出一种协同微调算法来学习最优的模板、标签和模型的参数.所提方法同时利用了知识图谱中的显式结构化知识和语言模型中的隐式事实知识,且可以同时应用于链接预测和关系抽取两种任务.实验结果表明,该方法在3个知识图谱推理数据集和5个关系抽取数据集上都取得了目前最优的性能.
文献关键词:
低资源;知识图谱补全;链接预测;关系抽取;预训练语言模型
中图分类号:
作者姓名:
张宁豫;谢辛;陈想;邓淑敏;叶宏彬;陈华钧
作者机构:
浙江大学AZFT知识引擎实验室,浙江杭州310028;浙江大学杭州国际科创中心,浙江杭州310028
文献出处:
引用格式:
[1]张宁豫;谢辛;陈想;邓淑敏;叶宏彬;陈华钧-.基于知识协同微调的低资源知识图谱补全方法)[J].软件学报,2022(10):3531-3545
A类:
B类:
基于知识,知识协同,微调,低资源,知识图谱补全,全能,加完,三元组,长尾,垂直领域,结构化知识,显式,式结构,隐式,链接预测,关系抽取,知识图谱推理,预训练语言模型
AB值:
0.239126
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。