0
雷锋网 AI 科技评论：ICLR 2020 正在进行，但总结笔记却相继出炉。我们曾对 ICLR 2020 上的图机器学习趋势进行介绍，本文考虑的主题为知识图谱。
作者做波恩大学2018级博士生 Michael Galkin，研究方向为知识图和对话人工智能。在AAAI 2020 举办之际，他也曾对发表在AAAI 2020上知识图谱相关的文章做了全方位的分析，具体可见「知识图谱@AAAI2020」。
本文从五个角度，分别介绍了 ICLR 2020上知识图谱相关的 14 篇论文。五个角度分别为：
1）在复杂QA中利用知识图谱进行神经推理（Neural Reasoning for Complex QA with KGs）
2）知识图谱增强的语言模型（KG-augmented Language Models）
3）知识图谱嵌入：循序推理和归纳推理（KG Embeddings: Temporal and Inductive Inference）
4）用GNN做实体匹配（Entity Matching with GNNs）
5）角色扮演游戏中的知识图谱（Bonus: KGs in Text RPGs!）
话不多说，我们来看具体内容。
注：文中涉及论文，可关注「AI科技评论」微信公众号，并后台回复「知识图谱@ICLR2020」打包下载。
今年ICLR2020中，在复杂QA和推理任务中看到越来越多的研究和数据集，very good。去年我们只看到一系列关于multi-hop阅读理解数据集的工作，而今年则有大量论文致力于研究语义合成性（compositionality）和逻辑复杂性（logical complexity）——在这些方面，知识图谱能够帮上大忙。
文章链接：https://openreview.net/pdf?id=SygcCnNKwr
Keysers等人研究了如何测量QA模型的成分泛化，即训练和测试 split 对同一组实体（广泛地来讲，逻辑原子）进行操作，但是这些原子的成分不同。作者设计了一个新的大型KGQA数据集 CFQ（组合式 Freebase 问题），其中包含约240k 个问题和35K SPARQL查询模式。
Intuition behind the construction process of CFQ. Source: Google blog
这里比较有意思的观点包括：1）用EL Description Logic 来注释问题（在2005年前后，DL的意思是Description Logic，而不是Deep Learning ）；2）由于数据集指向语义解析，因此所有问题都链接到了Freebase ID（URI），因此您无需插入自己喜欢的实体链接系统（例如ElasticSearch）。于是模型就可以更专注于推断关系及其组成；3）问题可以具有多个级别的复杂性（主要对应于基本图模式的大小和SPARQL查询的过滤器）。
作者将LSTM和Transformers基线应用到该任务，发现它们都没有遵循通用标准（并相应地建立训练/验证/测试拆分）：准确性低于20％！对于KGQA爱好者来说，这是一个巨大的挑战，因此我们需要新的想法。
文章链接：https://openreview.net/pdf?id=BJlguT4YPr
Cohen等人延续了神经查询语言（Neural Query Language，NQL）和可微分知识库议程的研究，并提出了一种在大规模知识库中进行神经推理的方法。
作者引入了Reified KB。其中事实以稀疏矩阵（例如COO格式）表示，方式则是对事实进行编码需要六个整数和三个浮点数（比典型的200浮点KG嵌入要少得多）。然后，作者在适用于多跳推理的邻域上定义矩阵运算。
这种有效的表示方式允许将巨大的KG直接存储在GPU内存中，例如，包含1300万实体和4300万事实（facts）的WebQuestionsSP 的 Freebase转储，可以放到三个12-Gb 的 GPU中。而且，在进行QA时可以对整个图谱进行推理，而不是生成候选对象（通常这是外部不可微操作）。
作者在文章中对ReifiedKB进行了一些KGQA任务以及链接预测任务的评估。与这些任务当前的SOTA方法相比，它的执行效果非常好。
事实上，这项工作作为一个案例，也说明SOTA不应该成为一篇论文是否被接收的衡量标准，否则我们就错失了这些新的概念和方法。
文章链接：https://openreview.net/pdf?id=SJxstlHFPH
Dhingra等人的工作在概念矿建上与上面Cohen等人的工作类似。他们提出了DrKIT，这是一种能用于在索引文本知识库上进行差分推理的方法。
DrKIT intuition. Source: Dhingra et al
这个框架看起来可能会有些复杂，我们接下来将它分成几个步骤来说明。
1）首先，给定一个question（可能需要多跳推理），实体链接器会生成一组 entities（下图中的Z0）。
2）使用预先计算的索引（例如TF-IDF）将一组实体扩展为一组mentions（表示为稀疏矩阵A）。
3）在右侧，question 会通过一个类似BERT的编码器，从而形成一个紧密向量。
4）所有mentions 也通过一个类似BERT的编码器进行编码。
5）使用MIPS（Maximum Inner Product Search）算法计算scoring function（用来衡量mentions, entities 和 question相关分数），从而得到Top-k向量。
6）矩阵A乘以Top-K 选项；
7）结果乘以另一个稀疏的共指矩阵B（映射到一个实体）。
这构成了单跳推理步骤，并且等效于在虚拟KB中沿着其关系跟踪提取的实体。输出可以在下一次迭代中进一步使用，因此对N跳任务会重复N次！
此外，作者介绍了一个基于Wikidata的新的插槽填充数据集（采用SLING解析器构造数据集），并在MetaQA、HotpotQA上评估了 DrKIT，总体来说结果非常棒。
文章链接：https://openreview.net/pdf?id=SJgVHkrYDH
Asai等人的工作专注于HotpotQA，他们提出了Recurrent Retriever的结构，这是一种开放域QA的体系结构，能够以可区分的方式学习检索推理路径（段落链）。
Recurrent Retrieval architecture. Source: Asai et al
传统上，RC模型会采用一些现成的检索模型来获取可能的候选者，然后才执行神经读取pipeline。这篇工作则希望让检索具有差异性，从而将整个系统编程端到端的可训练模型。
1）整个Wikipedia（英语）都以图谱的形式组织，其边表示段落和目标页面之间的超链接。例如对于Natural Questions，大小约为3300万个节点，边有2.05亿个。
2）检索部分采用的RNN，初始化为一个隐状态h0，这是对问题 q 和候选段落p编码后获得的。这些候选段落首先通过TF-IDF生成，然后通过图谱中的链接生成。（上图中最左侧）
3）编码（q，p）对的BERT [CLS]令牌会被送到RNN中，RNN会预测下一个相关的段落。
4）一旦RNN产生一个特殊的[EOE]令牌，读取器模块就会获取路径，对其重新排序并应用典型的提取例程。
作者采用波束搜索和负采样来增强对嘈杂路径的鲁棒性，并很好地突出了路径中的相关段落。重复检索（Recurrent Retrieval ）在HotpotQA的 full Wiki测试设置上的F1分数获得了惊人的73分。这篇工作的代码已发布。
文章链接：https://openreview.net/pdf?id=ryxjnREFwH
文章链接：https://openreview.net/pdf?id=SygWvAVFPr
我们接下来谈两篇复杂数字推理的工作。
在数字推理中，你需要对给定的段落执行数学运算（例如计数、排序、算术运算等）才能回答问题。例如：
文本：“……美洲虎队的射手乔什·斯科比成功地射入了48码的射门得分……而内特·凯丁的射手得到了23码的射门得分……”问题：“谁踢出最远的射门得分？”
目前为止，关于这个任务只有两个数据集，DROP（SQuAD样式，段落中至少包含20个数字）和MathQA（问题较短，需要较长的计算链、原理和答案选项）。因此，这个任务的知识图谱并不很多。尽管如此，这仍然是一个有趣的语义解析任务。
在ICLR 2020 上，有两篇这方面的工作。一篇是是Chen 等人的工作，提出了一个神经符号读取器NeRd（Neural Symbolic Reader）；另一篇是Gupta等人在神经模块网络NMN（Neural Module Networks）上的工作。
NeRd vs other approaches. Source: Chen et al
两项工作都是由读取器和基于RNN的解码器组成，从预定义的域特定语言（DSL，Domain Specific Language）生成操作（操作符）。从性能上相比，NeRd更胜一筹，原因在于其算符的表达能力更强，解码器在构建组合程序上也更简单。另一方面，NMN使用张量交互对每个运算符进行建模，于是你需要手工制定更多的自定义模块来完成具体任务。
此外，NeRd的作者做了许多努力，为弱监督训练建立了可能的程序集，并采用了带有阈值的Hard EM 算法来过滤掉虚假程序（能够基于错误的程序给出正确答案）。NeRd 在DROP测试集上获得了81.7 的F1 分数，以及78.3 的EM分数。
对NMN进行评估，其中月有25%的DROP数据可通过其模块来回答，在DROP dev测试中获得了77.4 的F1 分数 和74 的EM 分数。
将知识融入语言模型，目前已是大势所趋。
文章链接：https://openreview.net/pdf?id=BJlzm64tDH
今年的ICLR上，Xiong等人在预测[MASK] token之外，提出了一个新的训练目标：需要一个模型来预测entity是否已经被置换。
作者对预训练Wikipedia语料库进行处理，基于超链接，将Wiki的entity表面形式（标签）替换为相同类型的另一个entity。基于P31的「instance of」关系，从wikidata中获取类型信息。如下图所示，在有关Spider-Man的段落中，实体 Marvel Comics 可以替换为 DC Comics。
Pre-training objective of WKLM. Source: Xiong et al
模型的任务是预测实体是否被替换掉了。
WKLM（Weakly Supervised Knowledge-Pretrained Languge Model）使用MLM目标（掩蔽率为5％，而不是BERT的15％）进行预训练，每个数据点使用10个负样本，类似于TransE的训练过程。
作者评估了10个Wikidata关系中的WKLM事实完成性能（fact completion performance），发现其达到了约29 Hits@10的速率，而BERT-large和GPT-2约为16。
随后，作者在性能优于基准的WebQuestions，TriviaQA，Quasar-T和Search-QA数据集上对WKLM进行了微调和评估。
总结一句话，这是一个新颖的、简单的，但却有实质性意义的想法，有大量的实验，也有充分的消融分析。
像Wikidata这样的大型知识图谱永远不会是静态的，社区每天都会更新数千个事实（facts），或者是有些事实已经过时，或者是新的事实需要创建新实体。
循序推理。说到时间，如果要列出美国总统，显然triple-base的知识图谱，会把亚当斯和特朗普都列出来。如果不考虑时间的话，是否意味着美国同时有45位总统呢？为了避免这种歧义，你必须绕过纯RDF的限制，要么采用具体化的方式（针对每个具体的歧义进行消除），要么采用更具表现力的模型。例如Wikidata状态模型（Wikidata Statement Model）允许在每个statement中添加限定符，以总统为例，可以将在限定符处放上总统任期的开始时间和结束时间，通过这种方式来表示给定断言为真的时间段。循序知识图谱嵌入算法（Temporal KG Embeddings algorithms）的目标就是够条件这样一个时间感知（time-aware）的知识图谱表示。在知识图谱嵌入中时间维度事实上，只是嵌入字（例如身高、长度、年龄以及其他具有数字或字符串值的关系）的一部分。
归纳推理。大多数现有的知识图谱嵌入算法都在已知所有实体的静态图上运行——所谓的转导设置。当你添加新的节点和边时，就需要从头开始重新计算整个嵌入；但对于具有数百万个节点的大型图来说，这显然不是一个明智的方法。在归纳设置（inductive setup）中，先前看不见的节点可以根据他们之间的关系和邻域进行嵌入。针对这个主题的研究现在不断增加，ICLR 2020 上也有几篇有趣的文章。
文章链接：https://openreview.net/pdf?id=rke2P1BFwS
Lacroix等人使用新的正则化组件扩展了ComplEx嵌入模型，这些正则化组件考虑了嵌入模型中的时间维度。
这项工作非常深刻，具体表现在以下几个方面：1）想法是将连续的时间戳（如年，日及其数值属性）注入到正则化器中；2）作者提出TComplEx，其中所有谓词都具有time属性；提出TNTCompEx，其中对诸如「born in」这样“永久”的属性进行区别对待。实验表明，TNTCompEx的性能更好；3）作者介绍了一个新的大型数据集，该数据集基于Wikidata Statements，但带有开始时间和结束时间限定符，该数据集包含约40万个实体和700万个事实。
Time-aware ComplEx (TNTComplEx) scores. Source: Lacroix et al
上图中，你可以看到这个模型如何对描述法国总统的事实的可能性进行评分：自2017年以来，伊曼纽尔·马克龙的得分更高，而弗朗索瓦·奥朗德在2012–2017年的得分更高。
文章链接：https://openreview.net/pdf?id=rJeW1yHYwH
再进一步，Xu等人提出了临时图注意力机制TGAT（temporal graph attention），用于建模随时间变化的图，包括可以将新的先前未见的节点与新边添加在一起时的归纳设置。其思想是基于经典和声分析中的Bochner定理，时间维度可以用傅里叶变换的时间核来近似。时间嵌入与标准嵌入（例如节点嵌入）串联在一起，并且全部输入到自注意力模块中。
Source: Xu et al
作者将TGAT在具有单关系图（不是KG的多关系图）的标准转导与归纳GNN任务上进行了评估，TGAT显示出了很好的性能提升。个人认为，这个理论应该可以进一步扩展到支持多关系KG。
再回到传统的感应式KG嵌入设置（transductive KG embedding setup）：
— GNN？是的!— Multi-多关系？是的!— 建立关系的嵌入？是的！— 适合知识图谱吗？是的！— 适用于节点/图形分类任务吗？是的。
文章链接：https://openreview.net/pdf?id=BylA_C4tPr
Vashishth 等人提出的 CompGCN体系结构为你带来了所有这些优点。标准的图卷积网络以及消息传递框架在考虑图时，通常认为边是没有类型的，并且通常不会构建边的嵌入。
知识图谱是多关系图，边的表示对链接预测任务至关重要。对于(Berlin,?,Germany) 的query，你显然是要预测capitalOf，而不是childOf。
在CompGCN中，首先会为输入的 KG 填充反关系（最近已普遍使用）和自循环关系（用来实现GCN的稳定性）。CompGCN采用编码-解码方法，其中图编码器构建节点和边的表示形式，然后解码器生成某些下游任务（如链接预测或节点分类）的分数。
CompGCN intuition. Source: Vashishth et al
节点表示是通过聚集来自相邻节点的消息而获得的，这些消息对传入和传出的边（图中的Wi，Wo以及那些自循环）进行计数，其中交互函数对 (subject, predicate)进行建模。
作者尝试了加法（TransE-style），乘法（DistMult-style）和圆相关（HolE-style）的交互。在汇总节点消息之后，边的表示将通过线性层进行更新。你几乎可以选择任何你喜欢的解码器，作者选择的是 TransE，DistMult 和 ConvE 解码器。CompGCN在链接预测和节点分类任务方面都比R-GCN要好，并且在性能上与其他SOTA模型相当。性能最好的CompGCN是使用带有ConvE解码器的基于循环相关的编码器。
文章链接：https://openreview.net/pdf?id=S1g8K1BFwS
Last, but not least，Tabacoff和Costabello考虑了KGE模型的概率校准。简单来说，如果你的模型以90％的置信度预测某个事实是正确的，则意味着该模型必须在90％的时间里都是正确的。但是，通常情况并非如此，例如，在下图中，表明TransE倾向于返回较小的概率（有点“悲观”）。
Source: Tabacoff and Costabello
作者采用Brier评分来测量校准，采用Platt缩放和等渗回归来优化校准评分，并提出了在没有给出“hard negatives”的典型链接预测方案中对负样本进行采样的策略。于是，你可以校准KGE模型，并确保它会返回可靠的结果。这是一个非常好的分析，结果表明在一些工业任务上，你可以用KGE模型来提升你对自己算法/产品的信心。
不同的知识图谱都有他们自己的实体建模的模式，换句话说，不同的属性集合可能只有部分重叠，甚至URLs完全不重叠。例如在Wikidata中Berlin的URL是https://www.wikidata.org/entity/Q64，而DBpedia中Berlin的URL是http://dbpedia.org/resource/Berlin。
如果你有一个由这些异质URL组成的知识图谱，尽管它们两个都是在描述同一个真实的Berlin，但知识图谱中却会将它们视为各自独自的实体；当然你也可以编写/查找自定义映射，以显式的方式将这些URL进行匹配成对，例如开放域知识图谱中经常使用的owl:sameAs谓词。维护大规模知识图谱的映射问题是一个相当繁琐的任务。以前，基于本体的对齐工具主要依赖于这种映射来定义实体之间的相似性。但现在，我们有GNNs来自动学习这样的映射，因此只需要一个小的训练集即可。
我们在「知识图谱@AAAI2020」的文章中简要讨论了实体匹配的问题。而在ICLR 2020 中这方面的研究有了新的进展。
文章链接：https://openreview.net/pdf?id=HyeJf1HKvS
Fey 等人推出了DGMC框架（深度图匹配共识，Deep Graph Matching Consensus），这个框架包括两大阶段：
Deep Graph Matching Consensus intuition. Source: Fey et al
1）两个图，源图（Gs）和目标图（Gt），通过相同的GNN（具有相同的参数，表示为ψ_θ1）获得初始节点嵌入。然后通过乘以节点嵌入，并应用Sinkhorn归一化来获得软对应矩阵S（soft correspondences matrix S）。这里可以使用任何最适合任务的GNN编码器。
2）随后将消息传递（也可以看做是图形着色）应用到邻域（标注为ψ_θ2的网络），最后计算出源节点和目标节点之间的距离（ψ_θ3），这个距离表示邻域共识。
作者对DGMC进行了广泛的任务评估——匹配随机图、匹配目标检测任务的图，以及匹配英、汉、日、法版的DBpedia。有意思的是，DGMC在删除关系类型时，却能产生很好的结果，这说明源KG和目标KG之间基本上是单一关系。
于是引入这样一条疑惑：如果在Hits@10我们已经做到90+%了，真的还需要考虑所有属性类型以及限制语义吗？
文章链接：https://openreview.net/pdf?id=rJgBd2NYPH
Yu 等人介绍了他们的深度匹配框架，这个框架具有两个比较鲜明的特征：聚焦在聚合边缘嵌入、引入一个新的匈牙利注意力（Hungarian attention）。匈牙利算法是解决分配问题的经典方法，但它不是可微分的。
作者利用一个黑箱（带有匈牙利注意力）的输出来生成网络结构，然后把这个流进一步地传播。匈牙利注意力的方法，直观来理解一下：
1）初始步骤类似于DGMC，一些图编码器生成节点和边嵌入，且相似矩阵通过Sinkhorn规范化来传递；
2）不同的是，生成矩阵被返回到匈牙利黑箱（而不是像DGMC中那样传递迭代消息），从而生成离散矩阵；
3）通过注意力机制与基准进行比较，获得激活图，然后对其进行处理，从而获得loss。
作者仅在CV基准上进行了评估，但由于匈牙利算法的时间复杂度是O（n³），所以如果能把runtime 也放出来，可能会更有趣。
互动小说游戏（Interactive Fiction games，例如RPG Zork文字游戏）非常有趣，尤其是你探索完世界，然后输入一段话，等待游戏反馈的时候。
文章链接：https://openreview.net/pdf?id=B1x6w0EtwH
Ammanabrolu 和 Hausknecht 提出了一项有关 IF 游戏中强化学习的新工作。这个工作中使用了 知识图谱来建模状态空间和用户交互。
Source: Ammanabrolu and Hausknecht
例如，词汇表中有数十个模板和数百个单词。尝试所有可能的排列是不可行的。但当你维护一个可见实体的知识图谱时，agent的可选项就会大幅度减少，于是便可以更快地推进游戏。
在他们提出的编码-解码模型 KG-A2C（Knowledge Graph Advantage Actor Critic）中，编码器采用GRU进行文本输入，并使用图注意力网络构建图嵌入。此外，在解码器阶段使用可见对象的图遮掩（graph mask）。在基准测试中，KG-A2C可以玩28个游戏！
Soon they will play computer games better than us meatbags.
很快，电子游戏上，他们将比我们这些菜包子们打的更好了。
目前我们看到，知识图谱已经越来越多地应用到 AI的各个领域，特别是NLP领域。
ICML 和ACL 随后也将到来，届时我们再见。
雷锋网雷锋网
via https://medium.com/@mgalkin/knowledge-graphs-iclr-2020-f555c8ef10e3
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
专题
