摘要

知识三元组补全任务具有广泛的应用前景。在知识图谱补全中，结构信息与语义信息均发挥着重要作用。与以往仅依赖知识图谱结构或语义信息的方法不同，我们提出一种联合建模方法，将知识三元组的自然语言描述中的语义信息与其结构信息共同嵌入。我们的方法通过在概率结构化损失函数下微调预训练语言模型，实现知识图谱的嵌入表示，其中语言模型的前向传播过程捕捉语义信息，而损失函数则用于重构图结构。在多个知识图谱基准数据集上的大量实验表明，该方法达到了当前最优的性能水平。此外，得益于对语义信息的更有效利用，我们的方法在低资源场景下也能显著提升性能。代码与数据集已开源，地址为：https://github.com/pkusjh/LASS。