时间知识图谱补全的历时嵌入
本文提出了一种基于盒式嵌入模型 BoxE 并扩展到时间知识图谱的盒式嵌入模型 BoxTE,BoxTE 在时间设置下表现出完全的表达能力和强大的归纳能力,并在多个 TKGC 基准测试中取得了最先进的结果。
Sep, 2021
本文综述了知识图谱完成中的当前研究状态,特别关注了知识图谱嵌入设计的两个主要分支:基于距离的方法和基于语义匹配的方法,并探讨了与最近提出的模型之间的关联及其背后的趋势,最后讨论了利用预训练语言模型和实体关系的文本描述相结合进行知识图谱完成的新方法。
Sep, 2023
提出了一种上下文感知的动态知识图谱嵌入方法 (DKGE),该方法利用两个有注意力机制的图卷积网络、一种门控策略和翻译操作,通过双重表示 (知识嵌入和上下文元素嵌入) 联合模型化实体和关系及其环境,以快速获取更新的知识图谱嵌入,同时支持从头开始的知识图谱嵌入。实验证明 DKGE 在动态环境下具有良好的有效性和效率。
Oct, 2019
本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE,用于解决深度学习中的时序数据问题。结果表明,该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。
Feb, 2022
本文介绍了如何扩展静态知识图谱,使其适用于时间序列数据,以实现近似归纳推理。其中,提出的新型张量模型 ConT 在推理性能上表现出明显优势,同时还讨论了与我们的认知记忆有关的模型投影假设。
Jun, 2018
本文研究了基于时间的知识图谱中的联结预测问题,提出一种使用循环神经网络和潜在因式分解相结合的方法,以学习具有时间感知的关系类型表示,以解决现实世界知识图谱中稀疏性和异质性等问题,并在四个时间知识图谱数据集上进行了实验验证。
Sep, 2018
提出了一种将时间信息嵌入到实体 / 关系表示中的 ATiSE 方法,通过加性时间序列分解将时间信息与 KG 嵌入模型相结合,在四个时间 KG 上的实验结果表明其具有优秀的链接预测性能。
Nov, 2019
基于嵌入式知识图谱(KG)完成已经引起了人们的广泛关注,通过生成 KG 嵌入,讨论了不同类型的 KG 完成算法,包括链路预测、实体类型预测算法以及利用 KG 和大型语言模型(LLM)的算法,最后讨论了不同描述逻辑公理所表达的语义,并提出了对当前工作的批判性反思和未来方向的建议。
Jul, 2023
本研究提出了一个新型知识图谱嵌入模型,实现快速学习和传输新的知识。通过使用掩码知识图自编码器进行嵌入学习和更新,并采用嵌入传输策略和嵌入规则化方法,避免灾难性遗忘。实验证明,该模型在生命周期嵌入与归纳嵌入方面表现优于现有模型。
Nov, 2022