May, 2018

从知识图谱嵌入到本体嵌入？向量空间表示和规则之间的兼容性分析

PDF
TL;DR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。
发现论文，激发创造
  • 预测常识本体的改进表示学习

    本文研究了利用学习表示的空间的内在几何结构来实现自动遵守复杂结构约束的本体 (分层和部分有序结构) 学习的最新工作，并探讨了对一种此类模型的两种扩展，旨在提高通识知识表示文本数据的性能。通过混合学习排序关系和非分层知识，以及利用训练数据的部分有序结构找到在配对训练过程中不好执行的嵌入之间的长距离 triplet 约束，我们发现这两种扩展都优于原始的 order-embedding 模型和其他强基线模型。

    Aug, 2017

  • 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

  • 使用八角嵌入捕获知识图谱和规则

    基于地区的知识图谱嵌入将关系表示为几何区域，通过明确捕捉模型所涵盖的规则，能够简单地整合先前知识和检查学习模型。然而，现有方法在建模关系合成能力以及规则建模能力上存在严重限制，无法实现基于区域模型的主要承诺。为了解决这些局限性，我们研究了由轴对齐八边形组成的区域。这些八边形易于处理，因为交叉和组合可以直接计算，同时仍然足够表达任意知识图谱。此外，我们还表明我们的八边形嵌入可以正确捕捉一类非平凡的规则基，并且我们的模型取得了有竞争力的实验结果。

    Jan, 2024

  • Query2box: 在向量空间中使用盒式嵌入对知识图谱进行推理

    提出了一种基于嵌入的查询框架，使用矢量空间嵌入复杂逻辑查询，将查询表示为盒子并将合取作为盒子交集表示，而将极限作为在 DNF（析取正规形式）中转换后处理。

    Feb, 2020

  • 以概念子空间为基础的实体嵌入用于合理推理

    本研究提出一种基于向量空间嵌入的方法，通过 Wikipedia 学习实体的嵌入并将其限制在某些较低维度子空间中，以解决概念空间表示建模自动化的局限性，实验结果表明这些子空间能够作为近似的概念空间表示，其重要特征可以被建模为方向，而自然属性则往往对应于凸区域。

    Feb, 2016

  • 基于规则的传递性和反对称性嵌入知识图谱

    本文提出了一种新颖的方法，将知识三元组和逻辑规则整合起来，通过有序关系在连续的低维向量空间中对实体和关系类型进行编码，同时利用逻辑规则的传递性和反对称性，来实现知识表示的学习。通过实验证明，该模型在知识图谱完成任务方面显著优于其他基线模型，表明该模型可以捕获知识图谱中的传递性和反对称性信息。

    Feb, 2017

  • 从图领域的公理到向量，并再次返回：评估基于图的本体嵌入的性质

    文章研究了不同的图投影方法对本体学习中嵌入生成和公理预测性能的影响。研究发现，不同的投影方法以及本体知识表示上的选择都会对公理预测产生重要影响。

    Mar, 2023

  • 探索词语和关系的理论表示

    该研究提出了一种理论方法，将词嵌入和知识图谱中的实体及其关系的几何形状联系起来，以便更好地理解它们的语义结构和性能。

    Feb, 2022

  • 本体嵌入：方法、应用和资源综述

    本文系统回顾了本体嵌入领域的 80 多篇论文，介绍了本体的不同语义以及数学和机器学习的视角下的本体嵌入的定义和特性，并对几种技术解决方案进行了分类和分析，包括几何建模、序列建模和图传播等。此外，还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用，并讨论了挑战和未来方向。

    Jun, 2024

  • 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