本文提出了一种将任何嵌入空间转换成易理解的概念空间的方法，并展示了该方法在语义表示方面的实用价值，如发现潜藏的偏见和比较不同模型间语义的差异。

Aug, 2022

本文提出和研究了一个新问题，即通过在已经训练好的无监督节点表示嵌入中找到嵌入的人类可解释子空间来解释节点嵌入。我们使用一个人类可理解的概念组成的分类知识库作为指南，在从维基百科中导出的实体图上学习的节点嵌入中识别子空间。我们提出了一种方法，通过给定一个概念，找到一个线性变换到子空间，以保留概念的结构。我们的初步实验表明，我们在找到精细概念方面获得了较低的误差。

Oct, 2019

本文介绍了一种将概念邻居纳入考虑的方法来学习区域向量表示，从而得到更加准确的基于区域的表示。

Dec, 2019

本研究提出了一种基于贝叶斯模型的方法，可以从背景知识中构造信息先验，将领域中的每个对象与高维欧几里得空间中的一个点相关联，并将概念表示为高斯分布，以解决对象不足时的模型建立问题。应用该模型对知识库完成任务进行预测，获得了更好的结果。

May, 2018

本篇论文提出了一种语义表示方法（KSR）来处理知识图谱中的符号实体和关系。该方法采用两级分层生成过程来提取语义有效的方面和类别，从而优于其他现有基准模型。

Apr, 2016

本文提出了一种基于关系视图的框架，使我们可以研究本体知识和不同类型向量空间嵌入之间的兼容性，并证明了一些现有的嵌入方法无法建模一些简单的规则，同时研究了关系建模为凸区域的模型，发现使用凸区域可精确表示所谓的准链式存在量规则的本体，从而对于所有在这个向量空间内运用的事实都是逻辑一致和推导闭合的。

May, 2018

提供了一个框架，允许用户在保持模型无关性的同时，将其领域知识的语义纳入主题模型的完善中。使用交互式视觉分析工作区支持用户完成语义空间的理解、潜在冲突和问题区域的识别以及基于对概念理解的重新调整，从而直接影响主题建模。通过操作与推荐交互相结合，目标完善旨在最小化高效的人机协同交互迭代过程所需的反馈次数，两项用户研究证实了该方法提高了主题模型质量。

Aug, 2019

本文从数学空间的角度系统性地回顾了当前存在的 KGE 技术，并介绍了基本的数学空间定义。通过对不同的类别 KGE 方法的讨论，总结了它们在不同嵌入需求下如何发挥空间优势，并探讨了数学空间在不同场景下的优势和原因。最后，从表示空间的角度提出了一些有前途的研究方向，希望能激发研究人员在设计 KGE 模型及相关应用时更加考虑其数学空间特性。

Nov, 2022

通过使用可用的特征为训练数据，并分析这些模型的排名能力是否可以转移到感知和主观特征上，我们发现在一定程度上是可以的，但在训练数据中包含感知和主观特征似乎是实现最佳结果的关键，此外，我们还发现点对点的排名策略与常识相悖，并且能与成对的方法竞争。

Feb, 2024

本文介绍了一种基于 Grassmannian 的新方法，旨在通过建模单词集合所围成的子空间来捕获连续词向量表示中的类比关系，该方法利用测地核的修改余弦距离模型捕获跨单词类别的关系特定距离，实验结果表明与以前的方法相比，本方法在类比任务上表现显著改善。

Jul, 2015