Тройная классификация для дополнения научных графов знаний

Структурированная информация, представляющая знания, закодированные в научных публикациях. Учитывая огромный объём опубликованной научной литературы, содержащей множество неоднородных сущностей и отношений, используемых для описания научных понятий, такие графы знаний (KG) по своей природе являются неполными. Мы представляем exBERT — метод использования предварительно обученных трансформерных языковых моделей для дополнения научных графов знаний. Мы моделируем тройки графа знаний в виде текста и выполняем классификацию троек, то есть определяем, принадлежит ли тройка графу знаний. Результаты оценки показывают, что exBERT превосходит другие базовые методы на трёх наборах данных для дополнения научных графов знаний в задачах классификации троек, предсказания связей и предсказания отношений. Кроме того, мы представляем два научных набора данных в качестве ресурсов для исследовательского сообщества; они собраны из общедоступных графов знаний и онлайн-ресурсов.