AAAIAug, 2018

数据相关的学习对于对称性 / 反对称性关系知识库完成的影响

PDF
TL;DR该论文提出了一种新的 L1 规则器来强制符合观察数据的关系得分函数的对称性或反对称性，从而减少参数数量，实现 KBC 方面的更好性能。在 FB15k 数据集上，这种方法表现优于原始复杂嵌入及其他基准方法。
embedding-based methodsknowledge base completionscoring functionl1 regularizercomplex embeddings
发现论文，激发创造
  • 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

  • 基于复数嵌入的简单链接预测

    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

  • 通过神经符号人工智能将规则和嵌入结合起来用于知识库完成

    通过提出两种不同的基于规则的 KBC 方法，并结合神经符号 AI，继承了布尔逻辑到实值逻辑，本文提出的模型实现了最佳的 KBC 精度，并通过将规则 - based KBC 与图嵌入相结合来解决关系路径的不均匀性。

    Sep, 2021

  • 在知识库学习和推理中嵌入实体和关系

    通过基于神经嵌入的方法，学习知识库中实体和关系的表示，并将大多数现有模型统一到一个学习框架下，比较各种嵌入模型在链接预测任务上的表现，其中一个简单的双线性公式在任务中取得新的最优结果；此外，利用此模型可以挖掘逻辑规则，其中包含组合推理，并且此方法在 Horn 规则挖掘方面表现优秀。

    Dec, 2014

  • 利用自动编码器进行关系的可解释和组合式学习的联合训练

    此研究通过自编码器联合训练关系，实现了维度缩减技术，提高了知识库完成任务的效率，并展示了联合训练对于发掘关系组合限制和有益于组合训练的可解释性稀疏编码的促进作用。

    May, 2018

  • 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

  • 基于复杂张量分解的知识图谱补全

    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。

    Feb, 2017

  • 使用神经嵌入模型学习多关系语义

    本文提出了一种统一的模型框架，用于建模多关系表示、评分和学习，并在此框架下对几种最近的多关系嵌入模型进行了实证研究。研究了基于线性和双线性变换的关系算子的不同选择，以及通过整合额外文本资源上的非监督向量进行实体表示的效果。结果表明了几个有趣的发现，实现了在 Freebase 上进行评估的热门知识库完成任务的最新性能的简单嵌入模型的设计。

    Nov, 2014

  • 低维双曲知识图谱嵌入

    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

  • 知识图谱中的对称群关系嵌入

    提出了一种称为 DihEdral 的新型模型，旨在填补现有模型中关系组合建模的空白，通过了解关系的 dihedral 对称性来捕获关系组合，由于为离散值，也减小了解空间，该模型在预测任务的性能方面优于现有的双线性方法和深度学习模型，表现出了很高的效能和稳定性。

    Jun, 2019