PyKEEN-NSX：知识图谱负采样模块化扩展框架
原文：PyKEEN-NSX: A Modular Framework for Static, Dynamic and Schema-Aware Negative Sampling in PyKEEN
嵌入方法因其在知识图谱（KG）链接预测和/或三元组分类任务上的可扩展性而广受欢迎。嵌入模型的训练依赖正样本和负样本三元组。然而，由于知识图谱通常只包含正向断言，负样本需要通过负采样策略人工生成，其范围从简单的随机破坏到利用结构、语义或嵌入信息的更复杂方法。先进负采样器的设计与实现仍然充满挑战，因为大多数流行的知识图谱嵌入（KGE）库仅支持基础策略，缺乏用于开发更先进和定制化解决方案的统一框架。为填补这一空白，我们推出了PyKEEN-NSX，这是流行KGE框架PyKEEN的一个扩展，为负采样提供了模块化的工程抽象。所提出的架构将候选负样本池的生成（以显式上下文为条件）与选择策略分离，使得静态、模式感知和动态方法能够在一致的框架内开发和集成。基于该抽象，我们实现了六种负采样器，同时与现有的PyKEEN工作流和流水线完全兼容。作为概念验证，我们研究了四个数据集上的负样本可用性，结果表明受约束的负样本池经常低于所需的负样本数量，因此所编码的准则在很大程度上被用于补充的随机回退机制所取代。