Aug, 2020

DensE: 一种带自适应语义层次的增强型非交换知识图嵌入表示方法

PDF
TL;DR本研究提出了一种名为 DensE 的知识图嵌入方法，该方法通过将每个关系分解为 SO（3）群旋转操作符和三维（3-D）欧几里得空间中的缩放操作符来模拟关系复合模式，解决了现有方法中对关系复合做出的一些过度简化的假设。实验结果表明，DensE 在多个基准知识图上的表现优于当前的最优模型，尤其是在复合关系上。
knowledge graph completionrotation-based translational methodsdenserelation composition patternsmulti-hop reasoning
发现论文，激发创造
  • 知识图谱中的对称群关系嵌入

    提出了一种称为 DihEdral 的新型模型，旨在填补现有模型中关系组合建模的空白，通过了解关系的 dihedral 对称性来捕获关系组合，由于为离散值，也减小了解空间，该模型在预测任务的性能方面优于现有的双线性方法和深度学习模型，表现出了很高的效能和稳定性。

    Jun, 2019

  • ComDensE：知识图谱补全的关系感知和公共特征的合并稠密嵌入

    本文提出 ComDensE，该模型采用稠密神经网络，结合关系感知和普通特征提取，实现了在知识图谱补全方面的最佳表现。

    Jun, 2022

  • 超几何知识图嵌入的 3D 旋转和平移

    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

  • 用关系特定的双曲锥模拟异质层次

    研究提出了一种名为 ConE 的新型知识图谱嵌入模型，使用超球面锥体将实体嵌入到一个多维空间中，并对锥之间的变换建模，以同时捕捉多个异构的分层关系和非层次关系。实验结果表明，该模型在层次推理任务和知识图谱补全任务方面都比其他模型表现更好，这将有利于知识图谱应用和推理。

    Oct, 2021

  • SpaceE: 基于实体空间中关系线性变换的知识图谱嵌入

    提出了一种名为 SpaceE 的翻译距离 (KGE) 基于线性变换的方法来模拟知识图谱中实体的关系，它可以很好地建模与非注射关系模式， 并且在许多具有非注射关系的数据集中明显优于现有的 KGE 方法。

    Apr, 2022

  • 三维复合几何变换下的知识图谱嵌入

    本研究提出了一种新的知识图谱嵌入模型 CompoundE3D，它利用了三维几何变换的复合特性，包括平移、旋转、缩放、反射和剪切，并且其多个设计变体可以匹配不同的关系类型，实验结果显示它在四个流行链路预测数据集上有明显的优势。

    Apr, 2023

  • RotatE：基于复杂空间关系旋转的知识图谱嵌入

    本文提出了一种称为 RotatE 的新型知识图谱嵌入方法，它能够模拟和推断各种关系模式，包括对称性 / 反对称性、倒置和组合，并使用一种新颖的自对抗负采样技术有效地训练模型，实验证明它不仅可扩展性好，而且还能够显着地优于现有的最先进模型用于链接预测。

    Feb, 2019

  • 知识图谱嵌入的分块对角正交关系与矩阵实体

    通过使用矩阵表示实体和使用黎曼优化获得分块对角正交矩阵表示关系，我们引入了一种新颖的知识图谱嵌入模型 OrthogonalE，提高了模型的泛化性和灵活性，显著优于现有最先进的知识图谱嵌入模型，并大幅减少了关系参数的数量。

    Jan, 2024

  • 一种非交换双线性模型用于知识图谱中路径查询的回答

    该论文介绍了一种基于块循环矩阵的新型双线性知识图嵌入模型 BlockHolE，其可以使用非交换关系矩阵，从而可以自然地建模复合关系，并且基于循环矩阵傅里叶变换的对偶性开发出了快速计算技术。

    Sep, 2019

  • RatE: 知识图谱补全的关系自适应嵌入

    本文提出了一种基于复杂空间中新颖的加权乘积所构建的关系自适应翻译函数的嵌入方法，即 RatE，该方法具有高度的表达能力，可以有效地缓解嵌入歧义问题，并在四个链接预测基准测试中取得了最先进的性能。

    Oct, 2020