核心概念
限られた支援事例から、メタ関係情報を学習することで、ハイパー関係事実の欠落要素を正確に予測する。
要約
本論文は、ハイパー関係事実の少数事例リンク予測(FSLPHFs)という新しいタスクを提案している。ハイパー関係事実は、主要な三つ組(主体、関係、対象)と補助的な属性-値のペアで構成される。FSLPHFsは、限られた支援事例から、欠落している主体または対象を予測するタスクである。
提案手法のMetaRHは以下の3つのモジュールから構成される:
関係学習モジュール: 背景知識と支援事例を活用して、少数事例の関係表現を生成する。
支援事例特化調整モジュール: 支援事例の損失勾配を用いて、関係表現をメタ関係情報に調整する。
クエリ推論モジュール: メタ関係情報を用いて、クエリの欠落要素を予測する。
MetaRHは、限られた支援事例からメタ関係情報を学習することで、既存手法を大幅に上回る性能を示した。また、本論文では新しいベンチマークデータセットも提供している。
統計
32.5%の関係が5事例未満しかない。
WD50Kデータセットでは、関係の32.5%が5事例未満しかない。