中文信息处理实验室1篇长文被SIGIR 2022录用

近日，信息检索领域国际顶级会议SIGIR 2022录用结果出炉，中国科学院软件研究所中文信息处理实验室一篇长文被录用：

标题：Re-thinking Knowledge Graph Completion Evaluation from an Information Retrieval Perspective

作者：Ying Zhou, Xuanang Chen, Ben He, Zheng Ye, Le Sun

简介：知识图谱补全旨在利用已知三元组预测未知知识，通常采用链接预测的方式对模型性能进行评测。然而，已有诸多工作发现链接预测的评测方式存在伪正例、不稳定的问题。为此，本文从信息检索的角度重新评估了知识图谱补全模型的评测方式：（1）基于TREC Pooling的方式构建了一个相对完备的知识补全测试集，分析了当前数据标注稀疏问题对评测指标的影响；（2）设计了基于宏平均指标的评测方式，实验证明，与链接预测相比，宏平均的实体排序指标能够更稳定、更有区分度地反映知识图谱补全模型性能。

国际计算机学会信息检索大会（International ACM SIGIR Conference on Research and Development in Information Retrieval，简称SIGIR）是人工智能领域智能信息检索（Information Retrieval，IR）方向最权威的国际会议，会议专注于收录文本推荐、检索、语义计算等领域的最新研究成果。据悉，此次SIGIR 2022大会共收到了794篇长论文，其中有161篇被录用，录用率约20%，大会将于2022年7月11-15日在西班牙首都马德里以线上线下混合的形式举办。

撰稿：周赢

责任编辑：刘汇丹