知识图谱的全息嵌入
该研究提出了一种新的知识图谱嵌入模型 ——HAKE,该模型采用极坐标系将实体映射到不同的层次,以模拟语义层次结构,从而在链接预测任务上实现了显著的性能提升。
Nov, 2019
本文介绍了利用 Hyperboloid Embeddings 学习知识图谱表示的自监督逻辑查询推理方法,并将其应用于真实世界数据集和异常检测任务中,取得了显著的性能提升。
Dec, 2020
本文提出了两种基于嵌入的方法 HSimplE 和 HypE,直接处理知识超图中的关系, 以解决链接预测问题,此外还开发了公共数据集、基准测试并进行了实验,证明所提出的模型比基准测试更 effective。
Jun, 2019
该研究介绍了一种叫做 3H-TH 的新型模型,可以同时捕捉对称、反对称、倒置、交换组合、非交换组合、层级和多重性等许多关系模式,实验结果表明,在低维空间中,该模型在精度、层级属性和其他关系模式方面优于现有的最先进模型,但在高维空间中表现相似。
May, 2023
本论文提出了一种基于几何代数的知识图谱嵌入框架 GeomE,利用多向量表示和几何积模拟实体和关系,具有对称、反对称、逆序和复合等多种关系模式,具有良好的泛化能力,能在多个基准知识图谱上优于现有的最先进模型,适用于链接预测。
Oct, 2020
本文提出了一种新颖的知识图谱嵌入方法,引入了一组虚拟的关系原型实体来表示连接同一关系的头尾实体的原型,通过将实体的嵌入与其关联的原型的嵌入靠近,有效鼓励了由同一关系连接的可能在知识图谱中相距较远的实体的全局语义相似性,并在实体对齐和知识图谱完成任务上显著优于最新的现有方法。
Jun, 2022
本文提出 HyperKG,一个使用超几何空间来更好地反映知识库的拓扑性质,从而提高知识库完成任务性能的模型,并在各种链接预测数据集中验证了该模型的有效性。
Aug, 2019