跳至内容
- 来源：ACL’21
- 机构：南洋理工 + 清华李娟子
- 任务：KGC，新数据集
- 动机：原来的 KGC 数据集三大缺点：
- 测试集要补全的 triplet 的是能推断出来的，而不是要用常识或无意义的；
- 测试集的 triplet 可能是不能补全的，应该应该分类成 unknown；同时现在的负例构造的也不对，现在认为图谱里没出现的都是错的，构造负例就直接用图谱里的 triplet 换掉一个实体来构造，这也不一定呀；
- 现有的满足第一条的 KGC 太小，而且推理模式都是 domain 相关的（比如亲密关系和国家这两个数据集）。
- 数据集
- 从 wikidata 里提取一大一小两个 triplet 集合，大的用来 mine rules，小的作为数据集；两个数据集不同，避免 rule 完全一样。mine rule 有现成的工具，生成数据集有四步
- rule 前件的 triplet 组成训练集，后件的 triplet 集合组成测试集
- 节点固定了，新增边：更多的、更长的推理路径
- 构建负例：还是 triplet 换头尾实体，只不过要用 rule mining 系统打分？没看明白
- 手动去掉出现太多的 triplets according to the path lengths, relation types and patterns
- 标注测试集：在 wikidata 的就是 positive，剩下的手动标注成 negative 或 unknown