近日，在國際頂級圖學(xué)習標準OGB（Open Graph Benchmark）挑戰賽中，第四范式憑借AutoML（自動(dòng)機器學(xué)習）技術(shù)，在與斯坦福大學(xué)、康奈爾大學(xué)、Facebook、阿里巴巴等國際頂尖高校與科技巨頭同場(chǎng)競技中脫穎而出，以較大優(yōu)勢斬獲ogbl-biokg、ogbl-wikikg2兩項任務(wù)榜單第一。
近年來(lái)，知識圖譜因可挖掘實(shí)體之間的潛在關(guān)系、提供更高效的搜索結果，被廣泛應用在智能搜索、智能問(wèn)答、社交網(wǎng)絡(luò )、金融風(fēng)控等諸多行業(yè)應用中。作為知識圖譜領(lǐng)域重要的技術(shù)手段，圖學(xué)習已成為機器學(xué)習重要的研究領(lǐng)域之一，受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。
OGB是目前公認的圖學(xué)習基準數據集代表，由斯坦福大學(xué)Jure Leskovec教授團隊建立，于2019年國際頂級學(xué)術(shù)會(huì )議NeurIPS上正式開(kāi)源。其囊括了節點(diǎn)性質(zhì)預測、邊性質(zhì)鏈接預測、圖性質(zhì)預測等知識圖譜領(lǐng)域眾多權威賽題，以質(zhì)量高、規模大、場(chǎng)景復雜、難度高著(zhù)稱(chēng)，素有知識圖譜領(lǐng)域“ImageNet”之稱(chēng)，成為眾多科技巨頭、科研院所和高校團隊試驗技術(shù)成色的試金石。
此次，第四范式參與了ogbl-biokg、ogbl-wikikg2兩項數據量龐大且極具業(yè)務(wù)價(jià)值的知識圖譜鏈接預測任務(wù)，均在處理嘈雜、不完整知識圖譜等方面挑戰巨大。其中，ogbl-biokg包含多個(gè)海量生物醫學(xué)知識庫，構成了500多萬(wàn)個(gè)三元組（實(shí)體-關(guān)系-實(shí)體、實(shí)體-屬性-屬性值），在藥物屬性預測及生物醫學(xué)研究方面具有重要意義。ogbl-wikikg2來(lái)源于Wikidata知識庫，需要在1700多萬(wàn)個(gè)事實(shí)三元組中精準預測實(shí)體間的潛在關(guān)系，可有效提升推薦系統、智能問(wèn)答等場(chǎng)景應用效果。
為了精準理解數據集中復雜語(yǔ)義信息、挖掘潛在關(guān)系，業(yè)界通常以評分函數（SF）作為衡量知識圖譜中三元組可編程性的重要指標，但現有評分函數設計僅專(zhuān)注于某一類(lèi)語(yǔ)義模型，無(wú)法應對實(shí)際應用中千變萬(wàn)化的知識圖譜任務(wù)場(chǎng)景。
受AutoML啟發(fā)，第四范式本次采用AutoSF（自動(dòng)評分函數）參賽，通過(guò)理解生物醫學(xué)、維基百科等復雜知識圖譜中的不同語(yǔ)義信息，設計出更符合場(chǎng)景認知特性的評分函數，實(shí)現在對應任務(wù)上的性能突破。同時(shí)，AutoSF設計的評分函數可高效利用模型參數，在具有更小模型復雜度的基礎上，預測性能位居第一，以較大優(yōu)勢超過(guò)PairRE、TransE、ComplEx、RotatE等其他知名評分函數。
