KDDMar, 2021

联合嵌入实例和本体概念的知识库通用表示学习

PDF
TL;DR该论文提出了一种新颖的双视图知识图嵌入模型，JOIE，旨在产生更好的知识嵌入并实现依赖于多视图知识的新应用，其通过跨视图和内视图建模来学习知识库的多个方面，其中跨视图模型用于建立本体概念和其对应的实例视图实体之间的关联。
发现论文，激发创造
  • 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

  • 多视角知识图谱嵌入用于实体对齐

    本研究提出一种新颖的框架，通过利用实体的多个视角来学习实体嵌入，从而增强知识图谱之间的嵌入式实体对齐，并在真实数据集上验证实验证明，该框架显著优于现有的嵌入式实体对齐方法。

    Jun, 2019

  • 开放知识库规范化的多视角聚类

    提出了一种新的无监督方法 CMVC，它利用了知识的 fact view 和 context view 来对开放知识库（OKB）进行规范化，通过多视角特征聚类算法来学习视角特定的嵌入，进而对概念和关系短语进行聚类来达到规范化的目的。实验表明该方法在多个真实 OKB 数据集上表现优异。

    Jun, 2022

  • OpenKI：结合开放信息抽取、知识库和关系推理的方法

    本文提出了 OpenKI 模型，通过对 OpenIE 三元组和 Knowledge Bases（KB）的整合来处理 OpenIE 的稀疏性。该模型通过进行实例级别推理来处理未知实体，并借助聚合和关注机制在关系推理中利用其邻域中的信息。实验结果表明，该方法不仅显着提高了现有 OpenIE 提取的准确率，而且还提高了面向半结构化数据的 OpenIE 表现。

    Apr, 2019

  • 双几何空间嵌入模型用于双视图知识图谱

    本研究构建双视图知识图谱嵌入模型，使用复杂非欧几里德几何空间模拟两个视图，并使用球体空间、双曲空间及其交集进行统一框架学习。该模型在公共数据集上表现优异，表明其在模拟知识图谱的异构结构方面的能力更强。

    Sep, 2022

  • OntoEA: 基于本体引导的实体对齐方法，通过知识图谱联合嵌入

    本文提出一个以本体指导实体对齐的方法 OntoEA，该方法通过联合嵌入本体和知识图谱来避免虚假映射，实验证明了该方法的优越性和本体的有效性。

    May, 2021

  • 不确定知识下的关系抽取多视图推理

    本文提出了一种基于不确定知识图谱的关系抽取模型，该模型采用多视角推理框架来整合本地上下文和全局知识。实验结果表明，引入不确定知识和多视角推理框架的模型在句子和文档级别关系抽取上都具有竞争性能。

    Apr, 2021

  • 知识图谱完善的文本和知识联合表示学习

    提出一种新的框架，将词汇、实体和关系嵌入到同一连续向量空间中，通过对知识图谱和纯文本的联合学习，可以更准确地完成知识图谱补全，实现实体预测、关系预测和关系分类等任务，并且相比其他基线模型，在三项任务上均可以显著且持续地提高性能。

    Nov, 2016

  • 通过融合外延和内涵知识进行本体嵌入

    我们提出了一种名为 EIKE（扩展和内涵知识嵌入）的新颖本体嵌入方法，通过在扩展空间和内涵空间表示本体，应用基于几何的方法来建模扩展知识，并利用预训练语言模型来建模内涵知识，可以捕捉结构信息和文本信息，实验结果表明，EIKE 在三个数据集上的三元分类和链接预测方面显著优于最先进的方法，说明 EIKE 提供了更全面和代表性的领域视角。

    Jan, 2024

  • 联合学习实体和关系表示用于实体对齐

    本文提出了一种使用图卷积神经网络（GCN）学习实体和关系表示的新颖联合学习框架，以改善实体对齐，并证明利用有用的关系表示来协助实体对齐是一种简单而有效的方法。通过在三个真实的跨语言数据集上进行的实验表明，我们的方法显著优于现有的实体对齐方法。

    Sep, 2019