直播 | WWW 2021：基于结构增强文本表示学习的知识图谱补全方法

「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而有效地反馈和交流可能会让知识的传播更加有意义，从而产生更大的价值。

本期 AI Drive，我们邀请到吉林大学人工智能学院硕士生王博，为大家在线解读其发表于 WWW 2021 的最新工作：Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion。对本期主题感兴趣的小伙伴，5 月 27 日（周四）晚 7 点，我们准时相约 PaperWeekly B 站直播间。

直播信息

在知识图谱补全领域，考虑到现存知识图谱补全方法的弊端，即图嵌入方法泛化能力差以及文本编码方法缺乏结构化知识且计算开销过大的问题，我们提出一种结构增强的文本表示学习方法，实现了两大类方法的优势互补。

具体地，基于孪生网络结构，我们采用预训练语言模型做编码器以充分利用实体和关系的文本信息，并提出两种评分策略以同时建模上下文和结构信息。此外，我们提出了一种自适应集成方案，将两大类方法的得分做出自适应融合，进一步提高了知识图谱补全的性能。实验结果显示，我们的方法能够有效提高知识图谱补全的性能、速度和泛化能力。

论文标题：

Structure-Augmented Text Representation Learning for Efficient Knowledge Graph Completion

论文链接：

https://arxiv.org/abs/2004.14781

代码链接：

https://github.com/wangbo9719/StAR_KGC

本次分享的具体内容有： 

• 知识图谱补全任务简介

• StAR模型介绍

• 实验

• 总结

嘉宾介绍

 王博 / 吉林大学硕士生 

王博，2019 年在吉林大学软件学院卓越工程师班获得学士学位，目前在吉林大学人工智能学院攻读硕士学位，师从常毅教授，2021 年秋季学期将继续攻读博士学位。研究兴趣包括 knowledge graph completion, knowledge graph reasoning, aspect-level sentiment analysis，目前已经在 WWW 等顶会发表论文。

直播地址 & 交流群

本次直播将在 PaperWeekly B 站直播间进行，扫描下方海报二维码或点击阅读原文即可免费观看。线上分享结束后，嘉宾还将在直播交流群内实时 QA，在 PaperWeekly 微信公众号后台回复「AI Drive」，即可获取入群通道。

B 站直播间：

https://live.bilibili.com/14884511

合作伙伴

????

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域，欢迎在公众号后台点击「交流群」，小助手将把你带入 PaperWeekly 的交流群里。