-
TiKG-30K介绍
藏语知识图谱数据集TiKG-30K，包含了146,679个三元组，30,986个实体和641种关系，可应用于知识图谱的表示学习及下游任务。其中训练集三元组数量为117,051，验证集三元组数量为14,820，测试集三元组数量为14,808。
本文贡献
（1）针对现有藏语知识图谱数据量少、数据稀疏的问题，本文利用藏文三元组中实体的同指关系，借助其他语言丰富的知识库和非文本介质对知识库进行了扩充。
（2）在扩充三元组时，中英文专业词汇有时难以找到对应的藏语专业术语，导致产生歧义或者混淆语义。例如，中文学名“紫苏梗”、“紫草”、“紫花地丁”、“紫花针茅”对应着不同植物，但对应的藏语是相同的“རྒྱ་སྐྱེགས་”。因此，本文采用三元组修正技术，合并同义实体和关系、删除不必要的实体和关系、修正错误的三元组等方式，进行了四个版本的优化更新，进一步构建了一个关系稠密、规模适中且适合用于表示学习任务的藏语知识图谱数据集TiKG-30K。
（3）采用TransE、DistMult、ComplEx、RotatE、pRotatE、HAKE多种经典表示学习模型在TiKG-30K进行了实验，并与英文数据集FB15k-237，WN18RR以及藏文数据集TD50K进行了对比，为藏文知识图谱表示学习提供了可开放测试的基线数据。
-
部分实验对比:
将TiKG-30K与WN18RR、FB15k-237在表示学习模型上的Hits@10指标进行直观对比，如下左图所示，本文提出的TiKG-30K在实验中的指标相较基准数据集有所提高。
本文构建TiKG-30K时，通过跨语言近义词检索、合并同义实体和关系、修正错误三元组等技术对知识图谱进行多层优化，为了验证优化方式有效，对TiKG-V1、TiKG-V2、TiKG-V3、TiKG-30K四个不断优化的知识图谱进行消融实验，实验结果中Hits@10指标进行对比如下右图所示。
数据集下载
文件说明：
（1）藏语知识图谱TiKG-30K，包含了30,986个实体以及641种关系类型，三元组数量为146,679（train：117,051 valid：14,820 test：14,808）；数据集中每个三元组按照格式"头实体\t关系\t尾实体"进行存储，同义实体和关系以下划线"_"作为分隔符。
（2）"entities.dict"和"relations.dict"为一种实体、关系与id的映射，每行为"id\t实体/关系"。
（3）"entity2id.txt"和"relation2id.txt"为另一种实体、关系与id的映射，每行为"实体/关系\tid"。使用哪一种取决于表示学习模型中的定义，也可根据实际需求自行制作映射表。
联系方式
邮箱地址：tracy.yuan.sun@gmail.com
论文PDF与论文引用格式