本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE，用于解决深度学习中的时序数据问题。结果表明，该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。

Feb, 2022

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

本文介绍了一种超几何知识图嵌入方法，可以同时捕捉层次结构和逻辑模式，并在现有方法的基础上提高了平均倒数排名（MRR）达 6.1%。

May, 2020

本文从数学空间的角度系统性地回顾了当前存在的 KGE 技术，并介绍了基本的数学空间定义。通过对不同的类别 KGE 方法的讨论，总结了它们在不同嵌入需求下如何发挥空间优势，并探讨了数学空间在不同场景下的优势和原因。最后，从表示空间的角度提出了一些有前途的研究方向，希望能激发研究人员在设计 KGE 模型及相关应用时更加考虑其数学空间特性。

Nov, 2022

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。

Jun, 2022

通过基于群论的嵌入框架和模结构，提出了一种新的知识图谱嵌入模型 ModulE，取得了多个基准数据集上的最先进性能。

Mar, 2022

本研究提出了一种基于超复数表示的知识图谱嵌入方法，利用四元数来表示实体并将关系建模为四维空间中的旋转方式，实验证明此方法在关系表示学习方面表现出色并达到了当前领域最好的水平。

Apr, 2019

本文提出了一种基于代数结构的 Knowledgebra（知识代数）数学语言，分析了五个不同的代数属性，证明了半群关系嵌入是一般知识图谱关系嵌入最合理的代数结构，提出了一个实例化模型 SemE，使用简单的矩阵半群具有最好的性能，同时提出了一种基于正则化的方法，在嵌入训练中融合人类知识派生的链式逻辑规则，为深度学习和代数推理的结合提供了一种可能性。

Apr, 2022

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

知识图谱是一个基于图形的数据结构，用于表示世界的事实，其中节点表示现实世界的实体或抽象概念，边表示实体之间的关系。知识图谱嵌入通过在低维向量空间中表示实体和关系来捕捉它们之间的语义关系。本文讨论了基于翻译和神经网络的嵌入模型，它们根据语义属性、评分函数和架构的不同而有所区别，并进一步讨论了在一些使用深度学习模型和利用社交媒体数据的领域中应用知识图谱。

Apr, 2024