论文阅读《Editing Language Model-Based Knowledge Graph Embeddings》

论文综述：基于语言模型的知识图谱嵌入编辑

问：怎么最低成本的编辑三元组，同时更新三元组对应的网络里面的嵌入？
解：用一个额外的LSTM超网络更新目标网络的部分超参。

作者与机构

本文由浙江大学、浙江大学-蚂蚁集团联合实验室、东海实验室和腾讯平台与内容部的研究人员共同撰写。主要作者包括Siyuan Cheng、Ningyu Zhang、Bozhong Tian等。

摘要

近年来，通过语言模型框架化知识图谱（KG）嵌入取得了显著的实证成功。然而，基于语言模型的KG嵌入通常作为静态工件部署，这使得在部署后修改变得困难。为了解决这一问题，本文提出了一项新的任务——编辑基于语言模型的KG嵌入。该任务旨在实现对KG嵌入的快速、数据高效的更新，而不会影响其他方面的性能。为此，我们构建了四个新数据集：E-FB15k237、A-FB15k237、E-WN18RR和A-WN18RR，并评估了几种知识编辑基线，展示了先前模型处理这一挑战性任务的有限能力。我们进一步提出了一个简单但强大的基线模型——KGEditor，该模型利用超网络中的额外参数层来编辑或添加事实。实验结果表明，KGEditor在有限的训练资源下能够高效地更新特定事实而不影响整体性能。

引言

知识图谱（KG）表示大规模、多关系的图结构，包含丰富的符号事实。这些结构为各种知识密集型任