吉林大学学报(工学版) ›› 2020, Vol. 50 ›› Issue (2): 685-691.doi: 10.13229/j.cnki.jdxbgxb20180791
• 计算机科学与技术 • 上一篇
知识图谱嵌入中的自适应筛选
欧阳丹彤1,2(
),马骢1,2,雷景佩1,2(),冯莎莎1,2
- 1.吉林大学 计算机科学与技术学院，长春 130012
2.吉林大学 符号计算与知识工程教育部重点实验室，长春 130012
Knowledge graph embedding with adaptive sampling
Dan-tong OUYANG1,2(),Cong MA1,2,Jing-pei LEI1,2(),Sha-sha FENG1,2
- 1.College of Computer Science and Technology, Jilin University, Changchun 130012, China
2.Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China
摘要：
针对知识图谱数据类别不平衡与训练难度不同，随机进行训练数据采样可能导致嵌入模型不能快速收敛的问题，提出了一种自适应的筛选训练数据方法。对训练数据按照关系类别进行分组，采样过程中首先根据概率选择关系类别，然后从选定的分组中随机选择一个实例进行训练。根据训练效果对每组实例被选择的概率进行自适应调整。实验结果表明：自适应的分组筛选在链接预测任务上取得了更好的结果，使嵌入模型更快、更好地收敛。
中图分类号:
- TP391
| 1 | Bollacker K, Evans C, Paritosh P, et al. Freebase:a collaboratively created graph database for structuring human knowledge[C]∥ Proceedings of the SIGMOD Conference, Vancouver, Canada, 2008: 1247- 1250. |
| 2 | Miller G A. WordNet: a lexical database for English[J]. Communications of the Acm, 1995, 38( 11): 39- 41. |
| 3 | Lehmann J, Isele R, Jakob M, et al. DBpedia-a large-scale, multilingual knowledge base extracted from wikipedia[J]. Semantic Web, 2015, 6( 2): 167- 195. |
| 4 | Daiber J, Jakob M, Hokamp C, et al. Improving efficiency and accuracy in multilingual entity extraction[C]∥ Proceedings of the 9th International Conference on Semantic Systems, Graz, Austria, 2013: 121- 124. |
| 5 | Zhang Y, Dai H, Kozareva Z, et al. Variational reasoning for question answering with knowledge graph[C]∥ Proceedings of the 32nd AAAI, New Orleans, 2018: 6069- 6076. |
| 6 | Wang Q, Mao Z, Wang B, et al. Knowledge graph embedding: a survey of approaches and applications[J]. IEEE Transactions on Knowledge and Data Engineering, 2017, 29( 12), 2724- 2743. |
| 7 | 刘知远, 孙茂松, 林衍凯, 等. 知识表示学习研究进展[J]. 计算机研究与发展, 2016, 53( 2): 247- 261. |
| Liu Zhi-yuan, Sun Mao-song, Lin Yan-kai, et al. Knowledge representation learning: a review[J]. Journal of Computer Research and Development, 2016, 53 ( 2): 247- 261. | |
| 8 | Bordes A, Usunier N, Garcia-Duran A, et al. Translating embeddings for modeling multi-relational data[C]∥ Proceedings of the 27th Annual Conference on Neural Information Processing System, Lake Tahoe, 2013: 2787- 2795. |
| 9 | Wang Z, Zhang J, Feng J, et al. Knowledge graph embedding by translating on hyperplanes[C]∥ Proceedings of the 28th AAAI Conference on Artificial Intelligence, Québec City, Canada, 2014: 1112- 1119. |
| 10 | Lin Y, Liu Z, Zhu X, et al. Learning entity and relation embeddings for knowledge graph completion[C]∥ Proceedings of the 29th AAAI Conference on Artificial Intelligence, Austin, Texas, USA, 2015: 2181- 2187. |
| 11 | Ji G, He S, Xu L, et al. Knowledge graph embedding via dynamic mapping matrix[C]∥ Proceedings of the 53rd Annual Meeting of the Association for Computational Linguistics, Beijing, China, 2015: 687- 696. |
| 12 | Ji G, Liu K, He S, et al. Knowledge graph completion with adaptive sparse transfer matrix[C]∥ Proceedings of the 30th AAAI Conference on Artificial Intelligence, Phoenix, Arizona, USA, 2016: 985- 991. |
| 13 | Liu H, Wu Y, Yang Y. Analogical inference for multi-relational embeddings[C]∥ Proceedings of the 34th International Conference on Machine Learning, Sydney, NSW, Australia, 2017: 2168- 2178. |
| 14 | Wang P, Li S, Pan R. Incorporating GAN for negative sampling in knowledge representation learning[C]∥ Proceedings of the 32nd AAAI Conference on Artificial Intelligence, New Orleans, Louisiana, USA, 2018: 2005- 2012. |
| 15 | Liu H, Wu Y, Yang Y. Adaptive sampling for SGD by exploiting side information[C]∥ Proceedings of the 33rd International Conference on Machine Learning, New York, 2016: 364- 372. |
| 16 | 刘峤, 韩明皓, 杨晓慧, 等. 基于表示学习和语义要素感知的关系推理算法[J]. 计算机研究与发展, 2017, 54( 8): 1682- 1692. |
| Liu Qiao, Han Ming-hao, Yang Xiao-hui, et al. Representation learning based relational inference algorithm with semantical aspect awareness[J]. Journal of Computer Research and Development, 2017, 54( 8): 1682- 1692. |
| [1] | 李贻斌,郭佳旻,张勤. 人体步态识别方法与技术[J]. 吉林大学学报(工学版), 2020, 50(1): 1-18. |
| [2] | 徐谦,李颖,王刚. 基于深度学习的行人和车辆检测[J]. 吉林大学学报(工学版), 2019, 49(5): 1661-1667. |
| [3] | 高万夫,张平,胡亮. 基于已选特征动态变化的非线性特征选择方法[J]. 吉林大学学报(工学版), 2019, 49(4): 1293-1300. |
| [4] | 欧阳丹彤,肖君,叶育鑫. 基于实体对弱约束的远监督关系抽取[J]. 吉林大学学报(工学版), 2019, 49(3): 912-919. |
| [5] | 顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585. |
| [6] | 董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577. |
| [7] | 王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205. |
| [8] | 张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213. |
| [9] | 李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873. |
| [10] | 刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881. |
| [11] | 黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865. |
| [12] | 王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532. |
| [13] | 刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544. |
| [14] | 杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538. |
| [15] | 李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611. |
|
||