IJCAIAug, 2016

KSR: 一种基于新型无监督范式中的知识图谱语义表示

PDF
TL;DR该论文提出了一种语义表示方法 KSR，通过全局提取多方面并在每个方面中分配特定的类别，从而建立语义相关性，可以用于需要语义分析的应用，例如问答和实体检索。经过广泛的实验表明，该模型明显优于其他最先进的基线。
knowledge representationaiknowledge graph embeddingsemantic analysisksr
发现论文，激发创造
  • SSP: 基于文本描述的知识图谱嵌入的语义空间投影

    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

  • 知识图谱中关系预测的可解释表示

    该研究提出了一种基于语义相关性子图学习的可解释性表示方法 SEEK，能够提高知识图谱关系预测的性能和解释性。研究评估了 SEEK 在复杂关系预测任务上的表现，并表明了其优于标准学习表示方法。

    Jun, 2023

  • 利用知识图谱嵌入空间上的语义查询探索学术数据

    本文介绍了使用知识图谱嵌入方法来分析其语义结构，从而支持数据探索和解决相关问题的框架和方法。通过这种方式，可以使用良好研究的词嵌入空间定义语义查询，以便在数据集中解决相似性和类比等任务，并支持传统学术数据探索任务及一些新的有趣任务的解决。

    Sep, 2019

  • 从词嵌入解释知识图谱关系表达

    研究利用词嵌入的理论，将知识图谱关系分为三种类型，并为每种类型导出其表示法的明确要求，以了解知识图谱数据的潜在结构如何被不同表达方法所捕捉。

    Sep, 2019

  • 知识图谱嵌入模型及其应用调查

    知识图谱是一个基于图形的数据结构，用于表示世界的事实，其中节点表示现实世界的实体或抽象概念，边表示实体之间的关系。知识图谱嵌入通过在低维向量空间中表示实体和关系来捕捉它们之间的语义关系。本文讨论了基于翻译和神经网络的嵌入模型，它们根据语义属性、评分函数和架构的不同而有所区别，并进一步讨论了在一些使用深度学习模型和利用社交媒体数据的领域中应用知识图谱。

    Apr, 2024

  • KSG：知识与技能图

    提出了一种基于动态技能知识图谱（KSG）的新型技能检索和学习方法，可以在各种环境中搜索不同代理的技能并提供可转移的信息来获取新技能，从而提高了新技能学习的效率。

    Sep, 2022

  • Knowledgebra: 一个面向知识图谱的代数学习框架

    本文提出了一种基于代数结构的 Knowledgebra（知识代数）数学语言，分析了五个不同的代数属性，证明了半群关系嵌入是一般知识图谱关系嵌入最合理的代数结构，提出了一个实例化模型 SemE，使用简单的矩阵半群具有最好的性能，同时提出了一种基于正则化的方法，在嵌入训练中融合人类知识派生的链式逻辑规则，为深度学习和代数推理的结合提供了一种可能性。

    Apr, 2022

  • 知识图谱的分段嵌入 (SEEK)

    本文提出了一种轻量级的建模框架，主要关注评分函数的设计以实现高度竞争的关系表达能力，并突出两个关键特征：1）促进足够的特征交互；2）保留关系的对称性和反对称性。对公共基准的大量实验表明，该框架具有高效和有效性。

    May, 2020

  • 知识图谱概论：表示、获取与应用

    本文综合研究了知识图谱的几个方面，包括结构学习、知识获取和补全、时间知识图谱和基于知识图谱的应用，并提出了新的分类和分类法，以促进未来的研究。

    Feb, 2020

  • 基于上下文和知识图谱的动态表示

    本文提出了一种名为 CKG 的动态表示方法，利用外部知识图谱中的实体信息来提高语言句子的正确语义，实验表明，CKG 在多项任务中达到了最优结果。

    Dec, 2022