未知な知識に対応する知識グラフ埋め込みモデルの検討

抄録

知識グラフ補完タスクは, 学習中に観測したエンティティやリレーションに対して埋め込みを算出し, 欠損トリプルを推測することを目的としたタスクである。ほとんどの知識グラフ補完手法では十分なデータ数を持つ知識グラフのみを想定しているため, エンティティやリレーションの出現数が少ない場合, 出現しない場合に推測することができない。しかし, 実世界の知識グラフは動的なもので, 逐次的に新たな知識が加わり, さらに新たなエンティティやリレーションが追加される。 そこで本論文では少量のデータで学習し、新たなエンティティやリレーションに対しても埋め込みを作成しかつ知識グラフ補完ができるようなモデルを構築した。実験では, 既存の知識補完モデルに精度は劣った、マルチホップなリレーション間の関係性をモデル化することで精度向上につながる可能性があることが実験的に確認できた。