A Survey of Link Prediction in N-ary Knowledge Graphs

要約

n-ary Knowledgeグラフ（NKG）は、複雑な実世界の事実を効率的に表すように設計された特殊なタイプの知識グラフです。
通常、事実が2つのエンティティを含む従来の知識グラフとは異なり、NKGは2つ以上のエンティティを含むn-aryの事実をキャプチャできます。
NKGSのリンク予測は、これらのn-aryの事実内で欠落している要素を予測することを目的としています。これは、NKGSを完了し、ダウンストリームアプリケーションのパフォーマンスを改善するために不可欠です。
このタスクは最近、大きな注目を集めています。
この論文では、NKGSのリンク予測に関する最初の包括的な調査を紹介し、フィールドの概要を提供し、既存の方法を体系的に分類し、パフォーマンスとアプリケーションのシナリオを分析します。
また、将来の研究のための有望な方向性を概説します。

要約(オリジナル)

N-ary Knowledge Graphs (NKGs) are a specialized type of knowledge graph designed to efficiently represent complex real-world facts. Unlike traditional knowledge graphs, where a fact typically involves two entities, NKGs can capture n-ary facts containing more than two entities. Link prediction in NKGs aims to predict missing elements within these n-ary facts, which is essential for completing NKGs and improving the performance of downstream applications. This task has recently gained significant attention. In this paper, we present the first comprehensive survey of link prediction in NKGs, providing an overview of the field, systematically categorizing existing methods, and analyzing their performance and application scenarios. We also outline promising directions for future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google