Jun, 2019

知识超图：超越二元关系的预测

PDF
TL;DR本文提出了两种基于嵌入的方法 HSimplE 和 HypE，直接处理知识超图中的关系， 以解决链接预测问题，此外还开发了公共数据集、基准测试并进行了实验，证明所提出的模型比基准测试更 effective。
knowledge graphlink predictionhypergraphsembedding-based methodspublic datasets
发现论文，激发创造
  • 学习实体和关系的表征

    本文提出了三种知识图谱表征模型，分别是 HypER、TuckER 和 MuRP，它们都能够自动预测缺失的关系，并且在性能方面不断取得进步。同时，该文还将最新的理论研究成果推广到了知识图谱的领域，探讨了如何在这些模型中编码不同种类的关系。

    Jan, 2022

  • 实体和关系嵌入模型在知识图谱补全中的调查

    本研究是对实体和关系的嵌入模型在知识图谱完善领域的综合调查，总结了标准基准数据集的最新实验结果，并指出了潜在的未来研究方向。

    Mar, 2017

  • 超网络知识图谱嵌入

    本文提出一种基于超网络结构的张量分解方法，用于实现知识图谱中链接预测任务，取得了比 ConvE 和所有以前的方法更好的性能表现，同时能够作为张量分解模型的一种简化（相比较于卷积神经网络方法）而得到推广。

    Aug, 2018

  • 关系超图的链接预测

    通过关系超图进行链接预测的研究，提出了两种框架，并通过相应的关系 Weisfeiler-Leman 算法和一些自然逻辑形式主义的广泛实证分析，证明了所提模型架构的表达能力。在各种关系超图基准测试中，所得到的模型架构明显优于每个基线模型，对于归纳链接预测具有领先水平的结果，从而开启了图神经网络在完全关系结构中的应用。

    Feb, 2024

  • 基于层次距离和语义表示学习的联合嵌入用于链接预测

    本文提出了一种新颖的知识图谱嵌入模型 HIE，将每个三元组（头实体、关系、尾实体）同时模拟成距离测量空间和语义测量空间，并结合层次感知空间，利用实体和关系丰富的层次信息进行更好的表示学习，实验结果表明，HIE 在链接预测任务上优于若干现有的知识图谱嵌入方法，能够准确处理复杂的关系。

    Mar, 2023

  • 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

  • 为链接预测学习层次感知知识图谱嵌入

    该研究提出了一种新的知识图谱嵌入模型 ——HAKE，该模型采用极坐标系将实体映射到不同的层次，以模拟语义层次结构，从而在链接预测任务上实现了显著的性能提升。

    Nov, 2019

  • 超几何分层知识图谱嵌入的低维链接预测

    本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型（HypHKGE），以在超几何空间中有效地建模知识图中的语义层次结构，并在低维度下表现出色，特别是在链接预测方面。

    Apr, 2022

  • 知识图谱嵌入用于链接预测：一项比较分析

    该研究比较短缺实际的现有图谱的 16 种最新方法的有效性和效率，并考虑到一种基于规则的基线，提出了具有可扩展性的维度以评估嵌入 LP 方法的介绍。

    Feb, 2020

  • HyperKG：基于双曲空间的知识图谱嵌入用于知识库补全

    本文提出 HyperKG，一个使用超几何空间来更好地反映知识库的拓扑性质，从而提高知识库完成任务性能的模型，并在各种链接预测数据集中验证了该模型的有效性。

    Aug, 2019