Feb, 2019

EL Embeddings: 用于描述逻辑 EL++ 的模型的几何构建

PDF
TL;DR本研究在解决如何为复杂的信息或知识库创建向量空间嵌入，以便于机器学习、相似性搜索或类似任务时能更有效地用于预测蛋白质相互作用。
embeddingsvector spacedescription logicoptimization problemprotein-protein interactions
发现论文，激发创造
  • 具有交集闭包的 EL++ 描述逻辑嵌入

    使用 ELBE 方法，可将 EL++ 的本体论表示为轴平行盒子，这种新的表示方法解决了使用 n - 球表示概念时无法满足交集闭合性的问题。

    Feb, 2022

  • Box$^2$EL: 用于描述逻辑 EL++ 的概念和角色盒嵌入

    提出一种在 Description Logic EL++ 领域中表示学习本体的新方法 Box^2EL，该方法在包括概念和角色在内的箱形物体中表示本体，保留本体的逻辑结构，并在预测子概念、链接和推理时取得最先进的结果。

    Jan, 2023

  • 利用负采样和逻辑闭包过滤增强几何本体嵌入的 EL++

    本文提出了基于概念描述高维球表示的嵌入方法，利用本体的演绎闭包和不同类型的否定语句，改进了本体嵌入的知识库或本体补全任务。

    May, 2024

  • EL++ 知识库的忠实嵌入

    介绍了一种名为 BoxEL 的几何知识库嵌入方法，可以更好地捕捉知识库中的逻辑结构，并在合理的子 sumer 推理和蛋白质预测中表现出比传统知识图谱嵌入方法以及最先进的 EL ++ 嵌入方法更好的性能。

    Jan, 2022

  • 在知识图谱上嵌入逻辑查询

    本研究提出了一种基于低维嵌入空间中的几何运算来有效处理知识图谱中逻辑查询的框架，能够在处理复杂查询时提高时间复杂度，这种方法应用于真实世界数据中能够提供有用的预测能力。

    Jun, 2018

  • 几何关系嵌入：综述

    本文概述了基于几何关系嵌入的方法，将关系数据映射为适合于机器学习的矢量信息和适合于结构化 / 关系推理的结构化 / 关系信息，以低维度的方式组合。这种嵌入方法保留了关系结构和吸引人的属性和可解释性，已被应用于诸如知识图谱完成、本体和层次关系推理、逻辑查询回答和层次多标签分类等任务。本文对构成几何关系嵌入的方法进行了概述，并根据（i）用于表示数据的嵌入几何和（ii）旨在改进的关系推理任务对其进行分类。同时，本文确定了每类嵌入所需的期望属性（即归纳偏差），并讨论了一些潜在的未来研究方向。

    Apr, 2023

  • 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

  • 知识图谱的全息嵌入

    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

  • 构建可逆的语义保留逻辑公式嵌入

    该研究工作探讨了如何使用基于图变分自编码器 (Graph Variational Autoencoder) 的深度架构来训练学习逻辑嵌入，以实现对逻辑嵌入的反向推理，即将嵌入空间中的逻辑公式反向映射回语法空间，进而提高机器学习中学习逻辑规则和性质的能力。

    May, 2023

  • 用于复杂查询回答的逻辑嵌入

    该论文提出了使用 Skolemization 技术嵌入复杂查询的逻辑嵌入方法，支持否定查询、能够高效查询存在变量并优化建模、在大规模不完整知识图谱查询中快速准确，且在回答不确定性问题上提供了改进。

    Feb, 2021