摘要

在知识图谱（KG）上的表示学习中，一种新兴趋势是超越固定已知实体集上的转换链接预测任务，转而关注归纳任务，即在一个图上进行训练并在包含未见过实体的新图上进行推理。在归纳设置中，节点特征通常不可用，训练浅层实体嵌入矩阵也毫无意义，因为这些矩阵无法在推理时用于未见过的实体。尽管兴趣日益增长，但目前仍缺乏足够的基准来评估归纳表示学习方法。在这项工作中，我们介绍了ILPC 2022，这是一个关于知识图谱归纳链接预测的新颖公开挑战赛。为此，我们基于Wikidata构建了两个新的数据集，其训练图和推理图的规模远大于现有的归纳基准。我们还提供了两种利用最近提出的归纳方法的强大基线模型。我们希望这一挑战能有助于推动社区在归纳图表示学习领域的努力。ILPC 2022遵循最佳实践以确保评估的公平性和可重复性，并可在https://github.com/pykeen/ilpc2022获取。