Jul, 2020

BoxE: 一种用于知识库补全的盒子嵌入模型

PDF
TL;DRBoxE 是一个新的嵌入模型，它可以同时解决目前模型存在的不表达、不支持显著推理模式、不支持高阶关系和不支持逻辑规则等限制性因素。 BoxE 成功地对许多所需的逻辑属性进行了自然编码，并表现出了最先进的性能。
发现论文，激发创造
  • EL++ 知识库的忠实嵌入

    介绍了一种名为 BoxEL 的几何知识库嵌入方法，可以更好地捕捉知识库中的逻辑结构，并在合理的子 sumer 推理和蛋白质预测中表现出比传统知识图谱嵌入方法以及最先进的 EL ++ 嵌入方法更好的性能。

    Jan, 2022

  • Query2box: 在向量空间中使用盒式嵌入对知识图谱进行推理

    提出了一种基于嵌入的查询框架，使用矢量空间嵌入复杂逻辑查询，将查询表示为盒子并将合取作为盒子交集表示，而将极限作为在 DNF（析取正规形式）中转换后处理。

    Feb, 2020

  • Box$^2$EL: 用于描述逻辑 EL++ 的概念和角色盒嵌入

    提出一种在 Description Logic EL++ 领域中表示学习本体的新方法 Box^2EL，该方法在包括概念和角色在内的箱形物体中表示本体，保留本体的逻辑结构，并在预测子概念、链接和推理时取得最先进的结果。

    Jan, 2023

  • 利用箱型嵌入完成时间知识图谱

    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

  • 基于概率的盒式嵌入模型用于不确定知识图谱推理

    BEUrRE 是一种基于不确定性知识图嵌入方法，采用校准概率语义，将实体建模为包含几何形状的盒子，通过有效的交集和体积计算，以及关系转换来捕捉高阶依赖关系，能够在信心预测和事实排序方面显著优于其他基线模型。

    Apr, 2021

  • Concept2Box: 学习两视图知识图谱的联合几何嵌入

    Concept2Box 提出了一种新方法，它使用双重几何表示技术联合嵌入了一个 KG 的两个视图：本体视图概念和实例视图实体。这种方法使用盒形嵌入来模拟概念，并使用向量来模拟实体，并提出了一种新的向量到盒形距离度量方法。

    Jul, 2023

  • 使用盒形嵌入模型精细建模实体类型

    本文研究使用盒子嵌入（box embeddings）模型来更好地捕捉细粒度实体类型之间的复杂相互依存关系，并与矢量嵌入模型进行比较，在几个实体类型基准测试中表现出最先进的性能和更好的预测一致性和置信度。

    Jan, 2021

  • 使用知识图谱和兴趣盒嵌入进行推荐

    通过盒子形式的兴趣和概念建模，InBox 推动推荐系统的发展，以实现对知识图谱的复杂利用。

    Mar, 2024

  • ExpressivE: 一个用于知识图谱补全的时空功能嵌入

    研究知识图谱的不完整性，并提出了一种旨在解决知识图谱完成中的挑战、同时呈现出直观的图形化解释的 KG 嵌入模型 - ExpressivE。

    Jun, 2022

  • 通过神经符号人工智能将规则和嵌入结合起来用于知识库完成

    通过提出两种不同的基于规则的 KBC 方法，并结合神经符号 AI，继承了布尔逻辑到实值逻辑，本文提出的模型实现了最佳的 KBC 精度，并通过将规则 - based KBC 与图嵌入相结合来解决关系路径的不均匀性。

    Sep, 2021