Feb, 2019

知识增强的张量分解在知识图谱事实预测中的应用

PDF
TL;DR本文提出了一族新的方法，将知识图谱嵌入到实值张量中，使用这些基于张量的嵌入可以更加准确地预测新事实。通过实证评估，证明了这些张量分解模型的有效性和可靠性。
发现论文，激发创造
  • 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

  • TuckER：用于知识图谱补全的张量分解

    TuckER 是一种基于 Tucker 分解的二元张量表示的线性模型，在标准的链接预测数据集上表现优于其他最先进的模型，并作为更复杂模型的强有力基准，是一种完全表达模型，可以作为先前引入的一些线性模型的特例来看待。

    Jan, 2019

  • 二值化知识图谱嵌入

    本文介绍了一种用于知识图谱补全的量化张量分解方法，通过在优化问题中引入量化函数，以二进制替换浮点值来减少模型大小，成功在保持任务性能的同时减少了一个数量级以上的模型大小。

    Feb, 2019

  • 知识图谱链接预测的 SimplE 嵌入

    本研究介绍了 SimplE 算法，通过它可以更好地学习知识图谱中实体的表示方式，从而提高链路预测准确度。

    Feb, 2018

  • 引导张量因子分解的通用知识补全

    通过使用外部信息，如关系模式和实体分类法，在基础知识库或 KB 中推断出更多与通用名词或总称有关的事实，这是以前的 KB 补全方法所无法处理的。同时，在收集有关罕见实体的注释方面，我们提出了一种新的方法，可以比多个常规方法更有效地推断出这些实体的信息。

    Dec, 2016

  • 从一点到多维空间：知识图谱嵌入以精确预测链接

    提出了一种基于流形的嵌入原则（ManifoldE）来解决知识图谱嵌入方法中面临的代数系统不适定和几何形式过于严格的问题，该方法显著提高了精确预测任务的性能并保持高效。

    Dec, 2015

  • 在几何代数中的知识图谱嵌入

    本论文提出了一种基于几何代数的知识图谱嵌入框架 GeomE，利用多向量表示和几何积模拟实体和关系，具有对称、反对称、逆序和复合等多种关系模式，具有良好的泛化能力，能在多个基准知识图谱上优于现有的最先进模型，适用于链接预测。

    Oct, 2020

  • 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

  • 多关系投影下的知识图谱嵌入

    TransF 是一种新型的基于翻译的方法，可用于对知识图谱进行嵌入学习和关系预测，在处理具有数千种关系的复杂知识图谱时，具有高效性和鲁棒性，比现有的方法表现更好。

    Jan, 2018

  • 预测事件和知识图谱的共同演化

    本文研究了含有时间变量的知识图谱，通过训练一个使用知识图谱背景信息和最近事件信息的事件预测模型，预测未来事件并预测知识图谱的变化，从而得到了知识图谱的演化模型，该方法在医疗应用、推荐引擎和传感器网络应用中表现良好。

    Dec, 2015