本论文提出一种基于超球面嵌入的超球面关系图神经网络模型,通过实体对齐和类型推断等任务,捕捉知识图谱中的关系,并证明该模型具有有效性和效率。
Oct, 2020
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 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
本文提出了一种新的知识图谱嵌入方法 UltraE,它使用超弦广义相对论模型天衣无缝地将双曲和球形流形交错地组织起来,使其能够同时建模异构结构和复杂的关系模式,实验结果表明,UltraE 优于之前的欧几里得和双曲嵌入方法。
Jun, 2022
本文介绍了利用 Hyperboloid Embeddings 学习知识图谱表示的自监督逻辑查询推理方法,并将其应用于真实世界数据集和异常检测任务中,取得了显著的性能提升。
Dec, 2020
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。
本文阐述了通过将知识图谱嵌入欧几里得空间、双曲空间和高维球面空间,提出了一种基于几何交互方法的知识图谱嵌入(GIE)。实验结果表明,与其他嵌入方法相比,GIE 在三个知识图谱数据集上的表现更加优异。
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