Jun, 2020

将光带入黑暗：在统一框架下对知识图谱嵌入模型进行大规模评估

PDF
TL;DR该研究重新实现和评估了 21 种知识图谱嵌入模型，证明了模型架构、训练方法、损失函数和反向关系显式建模的结合对模型性能至关重要，提供了许多最佳配置和实践，并提供了代码和实验配置等信息。
发现论文，激发创造
  • 大规模知识图谱嵌入的硬件不相关计算

    开发了一种基于 DASK、Pytorch Lightning 和 Hugging Face 框架的知识图谱嵌入计算框架，能够以硬件无关的方式计算大规模知识图谱的嵌入表示，并提供了一个开源版本的框架以及一个具有超过 11.4B 参数的预训练模型的集线器。

    Jul, 2022

  • 知识图谱嵌入在药物发现中的性能理解

    该研究探讨了五个知识图谱嵌入模型在两个以药物发现为导向的公共知识图谱上的预测表现，并发现模型性能受训练设置、超参数选择、模型参数初始化种子以及数据集的不同分割等因素的显著影响。作者强调，为确保未来工作的完全可重现性和公正比较，应将这些因素与模型架构一起报告，并且这对于知识图谱嵌入在生物医学领域的应用和影响至关重要。

    May, 2021

  • 知识图谱的分段嵌入 (SEEK)

    本文提出了一种轻量级的建模框架，主要关注评分函数的设计以实现高度竞争的关系表达能力，并突出两个关键特征：1）促进足够的特征交互；2）保留关系的对称性和反对称性。对公共基准的大量实验表明，该框架具有高效和有效性。

    May, 2020

  • 知识图谱补全方法的现实重新评估：一项实验研究

    本文研究使用嵌入模型进行知识图谱完成和链接预测的问题，发现这些模型在去除不现实的三元组数据后的精度远低于预期，呼吁重新探索有效的方法。

    Mar, 2020

  • 从小做起，追求卓越：对大规模知识图谱嵌入的超参数优化

    本论文讨论知识图谱嵌入模型的超参数优化方法，提出了一种高效的多保真度算法 GraSH，并在大规模知识图谱上实现了最新的成果。

    Jul, 2022

  • DGL-KE：规模化训练知识图谱嵌入

    DGL-KE 是一个开源的知识图谱嵌入计算软件包，采用多进程、多 GPU 和分布式并行化等各种创新优化，可以在 8 个 GPU 的 EC2 实例上的 100 分钟内计算出 8600 万节点和 3.38 亿边的知识图谱的嵌入，比其他竞争方法快 2 至 5 倍。

    Apr, 2020

  • UniKG: 大规模知识图谱的基准和通用嵌入

    通过构建大规模异构图数据集 UniKG 并采用语义对齐策略和异质图传播模块 (APM) 实现多属性实体的高效信息传播和多跳聚合，该方法在 UniKG 数据集上进行基于节点分类的评估，扩展了大规模均匀图研究方法在异构图上的应用。

    Sep, 2023

  • 评估超参数对知识图谱嵌入质量的影响

    通过 Sobol 敏感度分析，本文研究了不同知识图谱的超参数灵敏度差异，并提出了一个泄漏鲁棒的知识图谱变种 UMLS-43。

    Jul, 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

  • 差分隐私联邦知识图谱嵌入

    本论文提出了一种名为 FKGE 的分散、可扩展、隐私保护的学习框架，可用于跨多个同一领域不同知识图谱的知识嵌入。在对 11 个不同的知识图谱进行广泛的实验后，本文表明 FKGE 的性能提高了，它的模型质量最多可增加 17.85％和 7.90％。

    May, 2021