Enrichissement de fonctions de perte avec contraintes de domaine et co-domaine pour la prédiction de liens dans les graphes de connaissance - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2024

Enrichissement de fonctions de perte avec contraintes de domaine et co-domaine pour la prédiction de liens dans les graphes de connaissance

Abstract

Knowledge graph embedding models used for link prediction are trained with loss functions w.r.t. a batch of labeled triples. Traditional approaches consider the label of a triple to be either true or false. We posit that negative triples that are semantically valid regarding relation’s domain and range should be treated differently from semantically invalid ones. We then propose semantic-driven versions for the three main loss functions for link prediction. The generality and superiority of our approach is clearly demonstrated on three public benchmarks.
Les modèles à base d’embeddings pour la prédiction de liens dans les graphes de connaissance sont entrainés avec des fonctions de perte. Les approches traditionnelles considèrent que l’étiquette d’un triplet est soit vraie, soit fausse. Nous affirmons que les triplets négatifs qui sont sémantiquement valides au regard du profil de la relation devraient être traités différemment de ceux sémantiquement invalides. Nous proposons des fonctions de perte guidées par la sémantique. La généralité et la supériorité de notre approche sont clairement établies sur trois jeux de données publics.
Fichier principal
Vignette du fichier
LossFunc_CNIA.pdf (147.15 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04566996 , version 1 (02-05-2024)

Licence

Attribution

Identifiers

  • HAL Id : hal-04566996 , version 1

Cite

Nicolas Hubert, Pierre Monnin, Armelle Brun, Davy Monticolo. Enrichissement de fonctions de perte avec contraintes de domaine et co-domaine pour la prédiction de liens dans les graphes de connaissance. 27e Conférence Nationale en Intelligence Artificielle, Jul 2024, La Rochelle, France. ⟨hal-04566996⟩
0 View
0 Download

Share

Gmail Facebook X LinkedIn More