34、知识图谱三元组分类的优质负采样策略

知识图谱三元组分类的优质负采样策略

1. 知识图谱与三元组分类概述

知识图谱（KGs）是广泛用于自然问答、网络搜索和数据分析的大型有用资源。它通过实体和关系构成的三元组（<头实体, 关系, 尾实体>）来描述特定领域的事实。标准的数据模型是资源描述框架（RDF），其模式可定义为本体，展示特定领域的属性及其关系。常见的大型知识图谱有 Freebase、Yago、DBpedia 和 WikiData 等。

然而，知识图谱是在开放世界假设（OWA）下创建的，因此是不完整的。知识图谱补全包含三元组分类任务，即区分正确和错误的三元组。为解决这个问题，提出了知识图谱嵌入模型，但知识图谱仅包含正三元组，仅用正三元组训练模型会导致过拟合，所以需要负样本。

知识图谱相关概念	说明
知识图谱	用三元组描述特定领域事实的大型资源
开放世界假设（OWA）	知识图谱创建的假设，导致其不完整
知识图谱补全	包含三元组分类任务，区分正确和错误三元组
知识图谱嵌入模型	用于知识图谱补全任务，但需要负样本

下面是知识图谱相关概念的关系流程图：