为链接预测学习层次感知知识图谱嵌入
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
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
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
本文提出了一种新模型,叫做 Hierarchy-Aware Knowledge Gated Network(HAKG),主要应对 KG 领域中现存的一些问题,在实验中,与现有的方法相比表现了很大的优势。
Apr, 2022
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。
Jun, 2019
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