FTL-LM Fusing topology contexts and logical rules in language models for knowledgegraph completion
摘要知识图补全(KGC)的目的是根据观察到的事实推断缺失的事实,这对许多下游应用具有重要意义。鉴于深度学习和预训练语言模型(LMs)的成功,针对KGC任务提出了一些基于LMs的方法。然而,大多数模型都专注于对事实三元组的文本进行建模,而忽略了对KG建模非常重要的更深层次的语义信息(例如拓扑上下文和逻辑规则)。为此,我们提出了融合KGC语言模型中拓扑上下文和逻辑规则的统一框架FTL-LM,该框架主要