@techreport{oai:ipsj.ixsq.nii.ac.jp:00178836,
 author = {濱口, 拓男 and 大岩, 秀和 and 新保, 仁 and 松本, 裕治 and Takuo, Hamaguchi and Hidekazu, Oiwa and Masashi, Shimbo and Yuji, Matsumoto},
 issue = {20},
 month = {May},
 note = {知識ベース補完は知識ベース内で欠落している情報を推定するタスクである．本論文では知識ベース補完における未知 entity 問題を扱う．未知 entity 問題とは，訓練データに含まれない entity が予測時に与えられた場合，その entity に関する知識をどのようにして獲得するのかという問題である．埋め込みに基づいた知識ベース補完の既存手法は，予測時に与えられる entity はすべて訓練データ中に出現している仮定を置いているため，未知 entity の表現をどう獲得するかは明らかではなかった．今回我々は再度モデルを学習するということなく，この未知 entity 問題を解決する．具体的には，未知 entity に関する補助的な知識を用いることで知識グラフ上の Graph neural network を構築し，既存の表現から知識を転用することで未知 entity に関する表現を得る．我々は未知 entity の実験において提案する手法の効果を示した．また WordNet データを用いた標準的な知識ベース補完の設定の下でも，先行研究に比較して良い精度を示した．},
 title = {Graph Neural Networkを用いた未知エンティティの表現獲得について},
 year = {2017}
}