核心概念
負のトリプルを異なる方法でサンプリングして処理することが、リンク予測において優れた結果をもたらす。
摘要
知識グラフ埋め込みモデル(KGEMs)は、知識グラフ(KGs)に関連するさまざまなタスクに使用されます。この論文では、ドメインと範囲の署名に基づいて意味的に有効なネガティブトリプルをサンプリングし、提案された損失関数が満足のいく結果を提供することが示されました。これは、提案されたアプローチがKGEMsの一般性と優越性を実証しています。また、提案された損失関数はMRRやHits@10値を向上させ、Sem@KメトリックによってKGEMsをより良い意味的正確性に導きます。
統計資料
MRR: .260, .274, .868
Hits@10: .446, .438, .945
Sem@K: .842, .936, .795
引述
"負のトリプルはすべて同じくらい良いわけではない" - Nicolas Hubert et al.
"提案された署名駆動型損失関数は約束される結果を提供します" - Pierre Monnin et al.