研究比较了两种最先进的链接预测 / 知识图完成方法:Nickel 等人的全息嵌入和 Trouillon 等人的复杂嵌入,提出了一种在傅里叶变换的频率域中高效计算的全息嵌入谱版本,分析发现其可以视为具有在训练时施加的初始向量限制的复杂嵌入实例,反之任何复杂嵌入可以转换成等价的全息嵌入。
Feb, 2017
本文提出一种名为 HoloE 的方法用于学习整个 knowledge graph 的综合空间表示,通过循环相关性来创建组合表示,从而在 link prediction 和 relational learning 等方面超越现有技术。
Oct, 2015
该研究基于复嵌入提出了一种解决大型知识库中链接预测问题的方法,相对于其他模型而言,这种方法更简单且可扩展性好,同时在标准链接预测测试中保持了更高的性能。
Jun, 2016
该研究比较短缺实际的现有图谱的 16 种最新方法的有效性和效率,并考虑到一种基于规则的基线,提出了具有可扩展性的维度以评估嵌入 LP 方法的介绍。
Feb, 2020
该论文提出了一种结合超复数代数的模型,通过将结构性和文本性知识统一表示为四种模态的向量,其中包括结构性知识图嵌入、单词级表示法、句子级表示法和文档级表示法,以增强链接预测任务的性能。
Aug, 2022
本文介绍了一种超几何知识图嵌入方法,可以同时捕捉层次结构和逻辑模式,并在现有方法的基础上提高了平均倒数排名(MRR)达 6.1%。
May, 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
本文介绍了一种基于复杂嵌入的统计关系学习方法,在实现表达能力和时间 / 空间复杂度之间权衡的同时,探索了这种复杂嵌入和酉对角化之间的联系,提出的嵌入方法仅涉及共轭内积,具有良好的可扩展性和高准确率。
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。