BriefGPT - AI 论文速递
·
基于关系图神经网络的不确定性感知的少样本知识图谱补全
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一个使用全局-局部框架的少样本关系学习方法，通过引入门控和注意力邻居聚合器来集成语义信息。在局部阶段中，使用基于元学习的TransH方法来模拟和推断复杂的关系。实验证明该模型在NELL-One和Wiki-One数据集上表现更好，具有更好的5-shot FKGC性能。
🎯
关键要点
-
提出了一种使用全局-局部框架的少样本关系学习方法。
-
在全局阶段引入了门控和注意力邻居聚合器以集成语义信息。
-
局部阶段使用基于元学习的TransH方法来模拟和推断复杂关系。
-
实验证明该模型在NELL-One和Wiki-One数据集上表现优于最先进的FKGC方法。
-
该模型具有更好的5-shot FKGC性能。
➡️
