Q-GNN 将查询实体纳入知识图谱补全

Dongxiao He 等研究者提出知识图谱补全方法 Q-GNN，将查询实体作为显式条件信号，改善现有图神经网络方法主要依赖查询关系筛选证据的局限。该方法通过查询实体的局部结构上下文和语义类型表征查询对象，使模型能够根据具体查询实体调整信息聚合过程。 具体而言，Q-GNN 使用特征级线性调制，让查询实体的结构上下文影响消息传递，并利用语义类型引导邻域注意力和候选实体评分。研究在传导式和归纳式两种设置下开展实验，报告称该方法均表现出有效性，且适用于归纳式场景。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。