KGRefiner: Knowledge Graph Refinement for Improving Accuracy of Translational Link Prediction Method

---

🎉进入图谱洞见专栏 | 🚀查看更多专栏内容

---

研究问题

提出了一种适用于基于翻译的链路预测模型的知识图改进办法，通过在图上引入实体和关系的层次结构信息来提升预测效果

背景动机

• 传统的基于翻译的模型比基于神经网络的模型运算速度快得多，而性能下降并不是太多，因此作者想对这些模型做一些改进
• 知识图改进指的是对知识图谱的图结构进行修正（去除错误信息）或提升（增加额外信息）
• SACN通过将节点属性建模成额外节点来做知识图改进，但这种方法有一些缺陷，首先是它只适用于FB数据集，然后它添加了过多的关系，最后它缺乏可解释性，针对这三个不足，论文做出了对应的改进

模型方法

• 分别从FB的关系层次结构和WN的实体层次结构中提取信息，并将这些信息作为新节点加入图中ÿ