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
本研究提出四元数图神经网络(QGNN)并将其应用于图分类和节点分类等领域,同时在知识图谱完成任务中取得了最优结果。
Aug, 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
该研究介绍了一种叫做 3H-TH 的新型模型,可以同时捕捉对称、反对称、倒置、交换组合、非交换组合、层级和多重性等许多关系模式,实验结果表明,在低维空间中,该模型在精度、层级属性和其他关系模式方面优于现有的最先进模型,但在高维空间中表现相似。
May, 2023
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
本文提出了一种新颖的时间建模方法,将时间实体表示为四元数向量空间中的旋转,将关系表示为 Hamilton 四元数空间中的复向量,可以有效地捕捉到时间知识图中关系的关键模式,并可以用于链接预测任务,提高性能。
Mar, 2022
该研究提出了四元协作过滤(QCF)算法,其基于四元数代数计算,利用 Hamilton 积的表达能力和强大的表示学习能力来帮助学习用户 - 物品之间的交互。作者在六个真实数据集上进行了广泛的实验比对,证明 QCF 在推荐系统中的有效性并优于许多强基线神经网络方法。
Jun, 2019
本文探讨利用复合超几何图嵌入多关系知识图谱,通过利用快速傅里叶变换(FFT)将多关系知识图中的不同关系转换为超几何转换和复合空间中的注意力机制,实现复合超几何图的表示能力,实验结果表明,该方法相对于欧氏和实超几何图表现更好。
Nov, 2022
本研究提出了一种名为 BiQUE 的知识图谱嵌入模型,使用双四元数来整合多种几何变换,在多维关系图谱上表现比其他几何操作符更优秀
Sep, 2021