核心概念
本稿では、大規模言語モデルを用いて、潜在的な型制約とサブグラフ推論に基づいて知識グラフの欠損トリプルを予測する、新しいコンテキストアウェアな帰納的知識グラフ補完手法「CATS」を提案する。
摘要
知識グラフ補完のためのコンテキストアウェアな手法:CATS
Muzhi Li*, Cehao Yang*, Chengjin Xu, Zixing Song, Xuhui Jiang, Jian Guo†, Ho-fung Leung, Irwin King†. (2024). Context-aware Inductive Knowledge Graph Completion with Latent Type Constraints and Subgraph Reasoning. arXiv preprint arXiv:2410.16803.
本研究は、未知のエンティティを含む知識グラフ(KG)の欠損トリプルを予測する、帰納的知識グラフ補完(KGC)タスクにおいて、コンテキスト情報を効果的に活用する新しい手法を提案することを目的とする。