AAAIFeb, 2020

使用路径排名方法指导图嵌入，用于在嘈杂的知识图谱中进行错误检测

PDF
TL;DR本文研究知识图谱中可能存在的噪声问题，并提出混合模块化的方法进行错误检测和关系表示，对两个基准测试和一个实际的生物医学出版物数据集进行比较分析，展示了处理噪声知识图谱时图形嵌入技术的潜力和见解。
发现论文，激发创造
  • 通过知识库补全对路径进行推理

    本论文探讨了一种简单的方法，使用知识库完成模型（KBC）和学习的嵌入向量，自动构建和排序源实体和目标实体对之间的路径。我们使用获取的生物医学科学文献挖掘了一个知识图，并提取了一组高频路径用于验证。实验结果表明，我们的方法能够有效地排列实体对之间的已知路径，并提出了未在知识图中存在的合理路径。对于给定的实体对，我们能够在排名前 10 的路径中 60% 的时间内重构出排名最高的路径，并达到 49％的平均精度。由于任何能够产生实体向量表示的 KBC 模型都可以使用，因此我们的方法具有组合性

    Nov, 2019

  • 知识图谱规则引导的联合嵌入学习

    本研究论文介绍了一种新颖的模型，将知识图谱中的实体和关系编码为低维向量空间，并将上下文信息和字面信息融入到实体和关系嵌入中，使用图卷积网络进行建模，通过置信度和相关性度量评估上下文信息的重要性，并通过字面信息的表示来计算相关性度量。我们在两个常用基准数据集上进行了全面的实验证实以验证模型的性能。

    Dec, 2023

  • 近期基于随机游走的知识图嵌入方法综述

    本文主要介绍了知识图谱及其嵌入方法，并回顾了最近发展的一些基于随机游走的嵌入方法。

    Jun, 2024

  • 图的深度高斯嵌入：通过排名进行无监督归纳学习

    Graph2Gauss 是一种利用高斯分布表示节点，可以快速有效地在大规模（带属性）图上学习多功能节点嵌入，并且优于现有的方法，在网络分析和不同类型的图上都适用的无监督学习方法。

    Jul, 2017

  • 实体对齐的知识图谱嵌入方法：实验评述

    本文通过进行第一次统计学分析，对知识图谱中利用嵌入方法进行的实体对齐的流行方法进行了评估，并根据其在不同性能度量和知识图谱特征方面的有效性将其排名。

    Mar, 2022

  • 无归之河：用图渗透嵌入进行高效知识图谋推理

    本文研究了基于图神经网络（GNN）的嵌入技术在知识图谱（KG）推理中的应用。第一次将路径编码和信息传递方法中的路径冗余问题，与模型训练中的转换误差联系起来，提出了一种新的 KG 推理理论和高效的实践方法，即通过最小化熵的信息传递来维护最短路径和消除冗余路径。作者还设计了一种受流体力学脉冲模型启发的高效的图注入过程，提出了一个轻量级的 GNN-based KG 推理框架 GraPE，实验结果表明 GraPE 在传导式和归纳式推理任务中都优于之前的最新方法，且需要更少的训练参数和推理时间。

    May, 2023

  • 基因途经学习的产品流形表征

    通过将途径图嵌入非欧几里得的混合曲率空间中，我们研究了它对生物领域中的基础图谱嵌入的影响，与传统的欧几里得图谱学习模型进行了比较，并利用学到的节点嵌入训练了一个监督模型，用于在途径图中预测缺失的蛋白质相互作用。我们发现，使用混合曲率嵌入和相应的图神经网络模型可以显著减小失真，并提高在分布内边缘预测性能，但在分布外边缘预测性能上不及现有基准模型，这表明这些嵌入可能会过拟合训练图的拓扑结构。

    Jan, 2024

  • 个性化推荐的分层关注知识图谱嵌入

    本文提出了一种新的分层注意力知识图嵌入框架（HAKG），用于捕捉用户偏好，并在缓解数据稀疏性问题方面表现出优越性。

    Oct, 2019

  • 利用嵌入式知识图谱进行链接预测

    本文介绍了基于嵌入式知识图谱网络的知识库完成方法，通过使用端到端反向传播训练，可以将大型知识库压缩成优化的版本，并在知识库完成基准测试中取得了最新的最佳结果。

    Nov, 2016

  • 消息传递查询嵌入

    本文提出了一种基于图神经网络对查询进行编码的通用架构，与现有方法相比，该方法可以编码更多种类型的查询。实验结果表明，该模型可以学习到表示实体类型的实体嵌入，并在复杂查询方面表现优异。

    Feb, 2020