FB15K237: 一个用于知识图谱链接预测的基准数据集

该文献是由Maximilian Nickel, Lorenzo Rosasco和Tomaso Poggio等人于2016年发表在arXiv上的一篇论文。该论文介绍了一个新的知识图谱链接预测数据集'FB15K237'，并比较了几种不同的链接预测模型在该数据集上的表现。

'FB15K237'数据集是基于先前的知识图谱数据集'FB15K'构建的，该数据集包含237个关系类型和14,541个实体。与'FB15K'相比，'FB15K237'包含了更多的关系类型和更多的实体，因此可以更好地评估链接预测模型的能力。

在该论文中，作者使用了三种不同的链接预测模型：'TransE'、'DistMult'和'ComplEx'，并在'FB15K237'数据集上进行了比较。结果表明，'ComplEx'是三种模型中表现最好的，证明了其在处理知识图谱数据时的有效性。

该论文的贡献在于提出了一个新的链接预测数据集，为研究者提供了一个用于评估链接预测模型的标准基准，并探讨了几种不同的链接预测模型的表现。