研究者らは、知識グラフ補完のために複数のドメイン間で知識を転送するために条件付き拡散モデルを適用するフレームワーク「DMKGC」を提案した。この手法は、各知識グラフをエンティティ情報の部分的なビューとして扱い、サポートグラフに条件付けられたドメイン汎用埋め込みを生成しつつ、ドメイン固有の詳細を保持する。

  • ドメイン非依存のエンティティ埋め込みを事前分布として初期化し、個々のKG内に符号化する。
  • サポートKGからの同等エンティティを融合して条件付き拡散生成を誘導する。
  • 代理目的関数として事前埋め込みを使用し、ドメイン全体で偏りのない生成を保証する。
  • 3つのベンチマークの14のKGにおいて、最先端手法に対してテールエンティティ予測で平均MRRが4.3%向上した。

このアプローチは、整合性制約付き手法に内在するドメイン固有の文脈情報が抑制されるリスクに対処し、特に低リソースデータ設定において持続的な改善を示している。