TKDE｜三元组集合预测：从零开始进行知识图谱补全

知识图谱补全（KGC）一直是个热门方向，但传统的链接预测和实例补全任务，都默认我们至少知道缺失三元组中的部分元素——比如给定头实体和关系，去预测尾实体。可现实中有个更棘手的问题：如果对一个知识图谱的缺失部分一无所知，连头实体、关系、尾实体全都不清楚，该怎么办？这正是这篇TKDE 2024论文要解决的场景。

知识图谱补全（KGC）的目标是预测图中缺失的三元组。已有的任务如链接预测和实例补全，都是三元组级别的——给定三元组中的某些元素，预测缺失的部分。然而，现实中往往并不知道待补全三元组里的任何元素。为此，本文定义了一个新的图级别自动KGC任务：三元组集合预测（Triple Set Prediction，TSP）。TSP假设缺失三元组中的所有元素都未知，任务目标是基于已知的三元组集合，直接预测出整个缺失的三元组集合。

针对这个新任务，文章提出了4个评估指标：3个分类指标（联合精确度、开方测试集召回率、TSP值）和1个排名指标。这些指标同时考虑了部分开放世界假设和封闭世界假设，使得评估更加全面。面对候选三元组数量爆炸的挑战（理论上所有未出现但实体和关系都已知的三元组都是候选），文章设计了一种高效的方法GPHT，基于子图分割和头尾实体建模，能够快速预测三元组集合。为了公平比较，还构建了两种基线方法——RuleTensor-TSP和KGE-TSP，将现有的基于规则和基于嵌入的KGC方法适配到TSP任务。实验在3个不同特性的数据集上进行，结果表明这些方法都能成功生成缺失三元组，且GPHT在性能和效率上均优于基线。

如上图所示，与链接预测和实例补全不同，TSP任务假设待预测的三元组的头实体、关系和尾实体全部未知。任务定义很简洁：给定一个知识图谱中已知的三元组集合，预测该知识图谱中缺失的三元组集合。

已有的知识图谱多基于开放世界假设或封闭世界假设（见下图）。在开放世界假设下，测试集中不包含的未知三元组其真值无法评估，因此文章提出了基于关系相似性的部分开放世界假设。基于封闭世界假设和部分开放世界假设，分别给出了4种评估指标：（Joint Precision）、（Squared Test Recall）、（TSP值），以及一个排名指标。之所以需要排名指标，是因为有些模型会预测三元组的真值分数，而分类指标无法直接衡量排序质量。

理论上，由已知实体和关系构成但不在知识图谱中的三元组，都是候选缺失三元组。候选数量 = 实体数 × 实体数 × 关系数 – 已知三元组数。这个数字巨大，是TSP面临的首要挑战。为此，论文提出了基于图分割和头尾实体建模的方法GPHT，流程如下：

GPHT包含3个核心步骤：

图分割

参考基于节点的图分割方法，将给定的知识图谱均匀分割为多个尽可能少相交的子图。每个子图中的实体对，被视为缺失三元组可能的头实体和尾实体。

头尾实体建模

从每个子图中识别可能缺失关系的头实体和尾实体组合。每个子图被看作一个样本，分为支持集和查询集。通过一个关系图神经网络获得支持集中实体和关系的表示，然后用基于注意力机制的模型计算查询集中的头实体和尾实体是否缺失三元组的得分。这样，每个子图会输出一些高概率的缺失三元组的头实体和尾实体对。

关系建模

针对预测出的头实体和尾实体对，把所有关系作为候选，生成多个候选三元组，再通过知识图谱嵌入方法对每个三元组打分。最后按设定阈值，取出得分大于阈值的三元组，放入预测的三元组集合中。

为了验证TSP任务的可行性和效果，实验从Wikidata中抽取了两个大小不同的数据集（Wiki79k和Wiki143k），在基于关系相似性的部分开放世界假设下测试；另外构建了一个相对完整的亲属关系知识图谱数据集CFamily，在封闭世界假设下实验。作为对比，设计了两种基线方法：RuleTensor-TSP和KGE-TSP，将现有的基于规则和基于嵌入的KGC方法适配到TSP任务。Wiki数据集上的实验效果如下：

从表中可以看出，TSP任务的数值落在合理区间，说明这个新任务具有可行性。GPHT方法整体优于基线方法。

为了验证GPHT各步骤的有效性，下图展示了经过每个步骤后所剩的候选三元组个数：

可以看到，GPHT的三个核心步骤都有效减少了候选三元组数量，最终从海量候选中精准筛选出了可能的缺失三元组。