CIKM 2022最佳论文：融合图注意力机制与预训练语言模型的常识库补全

2022-11-03 05:11

©作者 | 巨锦浩

单位 | 复旦大学硕士生

来源 | 知识工场

研究背景

常识在各种语料库中很少被明确表达，但对于机器理解自然语言非常有用。与传统的知识库（KG）不同，常识库（CKG）中的节点通常由自由格式的文本表示，并且比传统的 KG 规模更大，更稀疏。因此，这对传统的知识库补全（KBC）方法造成了挑战。

最近，一些学者致力于开发常识库补全（CKBC）模型，通过预测和推断缺失的实体来提高 CKG 的覆盖率。Malaviya 等人于 2020 年提出了一个 CKBC 模型，图卷积网络（GCN）和预训练语言模型（PLM）的结合帮助他们的模型达到了最先进的性能。然而，该模型存在以下缺点：

1. 在 GCN 的信息传播和聚合过程中，一个节点的所有邻居节点都被同等看待。但事实上，CKG 中的所有邻居节点应该被赋予不同的权重。此外，GCN 的表示学习忽略了不同边的语义信息。

2. 为了实现从 PLM 到 CKG 的迁移学习，Malaviya 等人采用了一个掩码任务来微调 BERT。然而，掩码任务只是针对 PLM 预训练的通用要求而提出的，并不十分适用于 CKBC。

为了解决这些问题，本文提出了一个新的 CKBC 模型。首先提出了一种关系图注意力网络的变体——RGAT，将边信息和不同邻居节点的权重编码到三元组的结构表示中。其次利用序列分类任务而不是掩码任务来微调 BERT，使得 BERT 中的外部知识能被更好地提炼为三元组的上下文表示，从而提高 CKBC 的性能。

本文研究成果已被 CIKM 2022 Short Paper 接收，并被评为 Best Paper，文章和代码链接如下。

论文标题：

Commonsense Knowledge Base Completion with Relational Graph Attention Network and Pre-trained Language Model

论文链接：

https://dl.acm.org/doi/10.1145/3511808.3557564

代码链接：

https://github.com/DeqingYang/CKBC

网络结构

如图 1 所示，本文提出的 CKBC 模型框架主要由 Encoder 和 Decoder 组成。在 Encoder 中，我们提出了一个序列分类任务来对 BERT 进行微调，以此生成 CKG 中三元组各元素的上下文表示。接下来，使用本文提出的 RGAT 学习三元组的结构表示，然后与上下文表示相连接，在 Decoder 中用于预测给定三元组的得分。

2.1 Encoder模型

2.1.1 BERT微调模型

我们提出了序列分类任务来微调模型中的 BERT，因为它更适合于 CKBC 目标。给定一个三元组，我们将与特殊标记 [CLS] 连接起来作为 BERT 的输入，通过判断输入序列是否正确，BERT 可以充分融合三元组的语义信息，这个分类任务的概率分布表示为：

其中是 [CLS] 的最终的隐藏层表示，而是分类层的参数矩阵。然后我们使用交叉熵损失函数作为 BERT 的损失函数：

通过微调 BERT，我们从 BERT 的最后一个隐藏层获得了三元组的上下文表示。

2.1.2 CKG致密化

为了更好地捕捉语义相近的实体之间的潜在关系，我们在将知识库 G 输入到后续的 RGAT 之前，首先将一些辅助边添加到 G 中，但在 Decoder 中不会使用这些辅助边。具体来说，两个节点之间的语义相似性是根据它们从微调的 BERT 中获得的上下文表示来计算的，如果这两个节点的语义相似度大于阈值 τ，我们就在它们之间添加一条辅助边。在本文，τ 被设定为 0.95，因此，122,618 条辅助边被添加到 CKG 中。

2.1.3 RGAT模型

我们提出了基于图注意网络（GATs）的 RGAT，它考虑到了邻居节点的权重和关系嵌入，以学习节点的结构表示。给定一个三元组，该三元组在第 h 层中的向量表示通过下面的线性变换得到：

其中为第 h 层的线性变换矩阵，|| 为连接符。以节点作为当前节点，其与第 h 层邻居节点的注意力可以计算为：

然后，RGAT 中节点在第 h 层的结构表示为：

值得注意的是，在 RGAT 中进行结构表示的学习后，节点可能会失去其初始信息。为了解决这个问题，我们在 RGAT 的最后一层表示中添加了所有节点的初始嵌入：

为了学习 RGAT 中第 h 层中关系的结构表示，我们只使用如下所述的线性变换：

为了训练 RGAT，我们使用了 hinge loss 作为损失函数：

2.2 Decoder模型

本论⽂使⽤ ConvKB 作为 Decoder 解码器，给定三元组，ConvKB 的评分函数可以描述为：

其中，和是共享的参数，独立于；表示卷积算子；concat 表示一个拼接操作符。为了训练 ConvKB 模型，本文使用带有正则项的 soft-margin loss 作为目标函数：

实验结果

本文在 CN-100K 数据集上进行了实验，采用 MR、MRR 和 HIT@1/3/10 作为评价指标。并且我们选取 DistMult、ComplEx、ConvE、ConvTransE、ConvKB、IndectivE 以及 MalaviyaModel 作为 baseline 模型。为了做消融实验，使用 -BERT 和 -RGAT 分别表示没有上下文表示和没有结构表示的模型变体，-SIM 表示没有图致密化的模型变体。具体结果如下表所示：

Ours 的模型性能优于 Ours-BERT 表明将 BERT 的外部知识纳入到 CKBC 的上下文表示中是非常重要的。Ours 的模型优于 SOTA 基线 MalaviyaModel，不仅验证了本文模型中使用的 RGAT 比 MalaviyaModel 中的 GCN 更有效，而且还证明了我们 BERT 微调中的序列分类任务比 MalaviyaModel 中的掩码任务更好。

事实上，Ours-BERT-SIM 只是在 ConvKB 中加入了 RGAT，而 Ours-BERT-SIM 比 ConvKB 有明显的性能改进，证明了加入 RGAT 的意义。同时我们的模型又优于 Ours-RGAT-SIM，表明由 RGAT 学习的结构表示可以补充上下文信息，从而产生更好的 CKBC 模型。

案例分析

本文分别替换了 <city, IsA, place> 中的头实体和尾实体，然后获得以下五个模型排名前十的预测结果。

可以看到 Ours-SIM 表现最好，因为有更多的正确实体被预测出来且排名较高。头实体预测结果中有 9 个正确的实体，其中原始头实体 city 和原始尾实体 place 均排在第一位。MalaviyaModel 也正确地预测了原始头实体 city 和尾实体 place，并与 Ours-SIM 一样排名第一，但它所预测的正确实体数比 Ours-SIM 少。InductivE 正确预测了原始头实体和尾实体，但预测的正确实体较少，且排名低于上述两个模型。Ours-RGAT-SIM 预测正确的实体数量虽然与 InductivE 相同，但未能预测到原始头实体 city。Ours-BERT-SIM 在五个模型中预测结果最差，但它仍然预测了原始尾实体 place。