arXiv · cs.AI· Youmin Ko, Hyemin Yang, Taeuk Kim, Hyunjoon Kim·· 1 天前
SATKGC：利用结构感知对比学习改进知识图谱补全的语言模型训练
Subgraph-Aware Training of Language Models for Knowledge Graph Completion Using Structure-Aware Contrastive Learning
arXiv:2407.12703v5阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Youmin Ko, Hyemin Yang, Taeuk Kim, Hyunjoon Kim
研究任务与主要进展
作者提出SATKGC框架，将知识图谱子图、最短路径和度等拓扑结构纳入预训练语言模型的微调，以改进知识图谱补全。该方法结合结构感知小批量训练与新的对比学习，分别处理实体出现频率不平衡以及结构上更困难的正负三元组。基于论文摘要，作者报告SATKGC在三个知识图谱补全基准上具有优越表现，代码已公开（原文链接：https://arxiv.org/abs/2407.12703v5）。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org