摘要

知识图谱补全（Knowledge Graph Completion, KGC）旨在基于已知事实进行推理，以推断出缺失的关联关系。基于文本的方法，如KGBERT（Yao等，2019），通过自然语言描述学习实体表示，具备实现归纳式KGC的潜力。然而，目前基于文本的方法在性能上仍显著落后于基于图嵌入的方法，例如TransE（Bordes等，2013）和RotatE（Sun等，2019b）。本文指出，造成这一差距的关键在于对比学习的效率不足。为提升学习效率，我们引入了三种类型的负样本：批内负样本（in-batch negatives）、预批负样本（pre-batch negatives）以及自负样本（self-negatives），后者可视为一种简化的难负样本形式。结合InfoNCE损失函数，我们提出的模型SimKGC在多个基准数据集上显著超越了传统的嵌入方法。在平均倒数排名（MRR）指标上，我们在WN18RR数据集上将当前最优性能提升了19%，在Wikidata5M的归纳设置下提升了6.8%，在该数据集的归纳设定下更是提升了22%。我们对模型各组件进行了深入分析，以揭示其作用机制。相关代码已开源，地址为：https://github.com/intfloat/SimKGC。