Oct, 2020

知识图谱中的多次逻辑推理的 Beta 嵌入

PDF
TL;DRBetaE 是一个可处理不完整的知识图谱中任意一阶逻辑查询的概率嵌入框架，使用带限制支持的概率分布，具有更多的一阶逻辑操作并可以精确建模不确定性，相对于目前仅能处理且合取查询无法处理否定的最前沿知识图推理方法，BetaE 提高了高达 25.4% 的相对性能。
artificial intelligenceknowledge graphlogical reasoningprobabilistic embeddingsfirst-order logic
发现论文，激发创造
  • GammaE: 基于 Gamma 的知识图谱逻辑查询嵌入

    本文提出了一种新的概率嵌入模型（GammaE）来对知识图谱中的实体和查询进行编码以回答不同类型的 FOL 查询，并利用 Gamma 分布的线性性质和强边界支持来捕捉实体和查询的更多特征，GammaE 实现了 Gamma 混合方法来设计闭合联合算子，并在三个大型逻辑查询数据集上验证了 GammaE 的性能优于公共基准测试中的最新模型。

    Oct, 2022

  • 知识图谱逻辑推理的神经方法

    本文介绍了一种使用神经网络来处理知识图谱上的多跳逻辑查询的方法，并展示了实验室中的卓越性能，该方法可以处理包括否定查询在内的全一阶逻辑查询。

    Sep, 2022

  • 在知识图谱上嵌入逻辑查询

    本研究提出了一种基于低维嵌入空间中的几何运算来有效处理知识图谱中逻辑查询的框架，能够在处理复杂查询时提高时间复杂度，这种方法应用于真实世界数据中能够提供有用的预测能力。

    Jun, 2018

  • 用于复杂查询回答的逻辑嵌入

    该论文提出了使用 Skolemization 技术嵌入复杂查询的逻辑嵌入方法，支持否定查询、能够高效查询存在变量并优化建模、在大规模不完整知识图谱查询中快速准确，且在回答不确定性问题上提供了改进。

    Feb, 2021

  • 超关系知识图谱上的查询嵌入

    本文介绍了如何利用 Graph Neural Networks 来嵌入和回答超关系连接查询，以处理新型复杂查询，同时提出了一种提高查询效率的方法，并在实验证明 Qualifier 可以在多种查询模式下提高查询效果。

    Jun, 2021

  • 基于模糊逻辑的知识图谱逻辑查询回答

    FuzzQE 采用模糊逻辑定义逻辑运算符，利用模糊的查询嵌入框架回答在知识图上的存在量化查询，比现有技术提供更好的性能。

    Aug, 2021

  • 基于知识图谱逻辑查询的自监督双曲线表示

    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

  • 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

  • ConE: 多跳知识图谱推理的锥体嵌入

    本研究提出一种新的查询嵌入模型，称为锥体嵌入（ConE），通过将实体和查询表示为二维锥形的笛卡尔积，处理与所有的一阶逻辑运算，包括合取，析取和否定，并在查询中引入几何补充算子，处理否定运算，从而在基准数据集上显著优于现有其他模型。

    Oct, 2021

  • FLEX: 面向复杂知识图谱推理的特征逻辑嵌入框架

    我们提出了一个名为 FLEX 的新的 KGR 框架，它不仅能够真正地处理所有 FOL 操作，包括合取、析取、否定等，而且还支持各种特征空间，结果表明，在基准数据集上，FLEX 明显优于现有的最先进方法。

    May, 2022