A Pluggable Common Sense-Enhanced Framework for Knowledge Graph Completion

Guanglin Niu

doi:10.1109/TBDATA.2025.3588081

A Pluggable Common Sense-Enhanced Framework for Knowledge Graph Completion

2025-07-11

0

PRE

AI

DOI：10.1109/TBDATA.2025.3588081

原文链接

原文求助

摘要

En 中文

知识图谱补全（KGC）任务旨在为许多知识密集型应用推断知识图谱（KG）中的缺失事实。然而，现有的基于嵌入的KGC方法主要依赖事实三元组，可能导致结果与常识不一致。此外，为知识图谱生成显式常识往往不切实际或成本高昂。为解决这些挑战，我们提出了一种可插拔的常识增强KGC框架，该框架将事实和常识整合用于KGC。该框架可根据不同知识图谱的实体概念丰富程度进行调整，并具备从事实三元组自动生成显式或隐式常识的能力。此外，我们引入了常识引导的负采样和一种粗粒度到细粒度的推理方法，用于实体概念丰富的知识图谱。对于无概念的知识图谱，我们提出了一种包含关系感知概念嵌入机制的双评分方案。重要的是，我们的方法可作为可插拔模块集成到许多知识图谱嵌入（KGE）模型中，便于常识和事实驱动的联合训练与推理。实验表明，我们的框架具有良好的可扩展性，并在各种KGC任务中优于现有模型。

Keyword:

Knowledge graph completion (KGC)

pluggable framework

common sense

entity concepts

negative sampling

A Pluggable Common Sense-Enhanced Framework for Knowledge Graph Completion

摘要

期刊

机构

引用论文