要約
ナレッジ グラフの完成は、ナレッジ グラフで利用可能な情報に基づいて欠落しているトリプルを埋めることを中心としたタスクです。
現在の研究の中で、テキストベースの方法は、トリプルのテキスト記述を利用することによってタスクを完了します。
ただし、このモデリング手法は、特に説明が意図した意味を正確かつ適切に表現できない場合に制限に遭遇する可能性があります。
これらの課題を克服するために、2 つの追加メカニズムによるデータの増強を提案します。
まず、外部知識ベースとして ChatGPT を使用して、クエリと回答の間の意味論的なギャップを埋める一貫した説明を生成します。
次に、逆関係を利用して対称グラフを作成します。これにより、追加のラベルが作成され、リンク予測のための補足情報が提供されます。
このアプローチにより、エンティティ間の関係についてさらなる洞察が得られます。
これらの取り組みを通じて、これらのメカニズムにより利用可能なデータの豊富さと多様性が強化され、より正確な結果が得られるため、ナレッジ グラフの完成度が大幅に向上することが確認されました。
要約(オリジナル)
Knowledge graph completion is a task that revolves around filling in missing triples based on the information available in a knowledge graph. Among the current studies, text-based methods complete the task by utilizing textual descriptions of triples. However, this modeling approach may encounter limitations, particularly when the description fails to accurately and adequately express the intended meaning. To overcome these challenges, we propose the augmentation of data through two additional mechanisms. Firstly, we employ ChatGPT as an external knowledge base to generate coherent descriptions to bridge the semantic gap between the queries and answers. Secondly, we leverage inverse relations to create a symmetric graph, thereby creating extra labeling and providing supplementary information for link prediction. This approach offers additional insights into the relationships between entities. Through these efforts, we have observed significant improvements in knowledge graph completion, as these mechanisms enhance the richness and diversity of the available data, leading to more accurate results.
arxiv情報
| 著者 | Haotian Li,Lingzhi Wang,Yuliang Wei,Richard Yi Da Xu,Bailing Wang |
| 発行日 | 2023-09-26 09:03:25+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google