Few-shot Link Prediction on N-ary Facts

要約

【タイトル】N-ary FactsにおけるFew-shot Link Prediction

【要約】
– N-ary Factsとは、主要な三つ組（head entity、relation、tail entity）と任意の数の補助属性-値ペアから構成されるもので、実世界の知識グラフに頻繁に存在する。
– N-ary Factsのリンク予測は、N-ary Factの欠落している要素を予測するものであり、KGを豊かにし、多数の下流アプリケーションを推進することができる。
– 以前の研究では、N-ary Factsの要素を理解するために大量の高品質なデータが必要とされた。
– しかし、実世界のシナリオでは、少数ラベル付きインスタンスであるFew-shot関係が一般的であり、これらの研究で見落とされている。
– そこで、本論文では、N-ary Factsにおける少数ショットのリンク予測を紹介する新しいタスクを提案する。
– このタスクは、限られたラベル付きインスタンスでN-ary Factの欠落しているエンティティを予測することを目的とする。
– さらに、本論文では、FLENと呼ばれるFew-shot Link prEdict on N-ary facts用のモデルを提案する。
– FLENは、関係メタ情報を限られたインスタンスから取得し、クエリインスタンスの欠落しているエンティティを予測する。
– FLENの有効性を検証するために、既存のベンチマークデータに基づく3つのデータセットを構築した。
– 実験結果は、FLENが、N-ary Factsや二項FactsにおけるFew-shotリンク予測の両方で、既存の関連モデルよりも優れた性能を発揮したことを示している。

要約(オリジナル)

N-ary facts composed of a primary triple (head entity, relation, tail entity) and an arbitrary number of auxiliary attribute-value pairs, are prevalent in real-world knowledge graphs (KGs). Link prediction on n-ary facts is to predict a missing element in an n-ary fact. This helps populate and enrich KGs and further promotes numerous downstream applications. Previous studies usually require a substantial amount of high-quality data to understand the elements in n-ary facts. However, these studies overlook few-shot relations, which have limited labeled instances, yet are common in real-world scenarios. Thus, this paper introduces a new task, few-shot link prediction on n-ary facts. It aims to predict a missing entity in an n-ary fact with limited labeled instances. We further propose a model for Few-shot Link prEdict on N-ary facts, thus called FLEN, which consists of three modules: the relation learning, support-specific adjusting, and query inference modules. FLEN captures relation meta information from limited instances to predict a missing entity in a query instance. To validate the effectiveness of FLEN, we construct three datasets based on existing benchmark data. Our experimental results show that FLEN significantly outperforms existing related models in both few-shot link prediction on n-ary facts and binary facts.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI