摘要

超关系知识图谱（Hyper-relational Knowledge Graphs, KGs）（如Wikidata）能够在主三元组之外附加额外的键值对（即限定条件，qualifiers），以消除歧义或限定事实的有效性范围。本文提出一种基于消息传递机制的图编码器——StarE，能够有效建模此类超关系知识图谱。与现有方法不同，StarE可在保持限定条件与三元组语义角色完整性的前提下，编码任意数量的附加信息（即限定条件）。此外，我们指出当前用于评估超关系知识图谱上链接预测（Link Prediction, LP）性能的基准数据集存在根本性缺陷，并据此构建了一个基于Wikidata的新数据集——WD50K。实验结果表明，基于StarE的链接预测模型在多个基准测试中均优于现有方法。同时，我们验证了利用限定条件对于链接预测至关重要，相较于仅依赖三元组表示的方法，性能提升最高可达25个MRR（Mean Reciprocal Rank）点。