EMNLPMar, 2021

低维度知识图谱嵌入的轻量级欧几里德模型：不需要双曲几何

PDF
TL;DR在基于超球几何的知识图谱嵌入模型的基础上，本文提出了两种轻量级的基于欧几里得空间的模型，称为 RotL 和 Rot2L，通过简化超球运算并利用一种新颖的双层堆叠变换，Rot2L 模型在低维知识图嵌入中实现了最先进的性能且计算成本更低。同时，RotL 模型仅需要 RotH 模型一半的训练时间并实现了类似的性能。
发现论文，激发创造
  • 超几何分层知识图谱嵌入的低维链接预测

    本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型（HypHKGE），以在超几何空间中有效地建模知识图中的语义层次结构，并在低维度下表现出色，特别是在链接预测方面。

    Apr, 2022

  • 低维双曲知识图谱嵌入

    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

  • 超超负曲率知识图谱嵌入

    本文提出了一种新的知识图谱嵌入方法 UltraE，它使用超弦广义相对论模型天衣无缝地将双曲和球形流形交错地组织起来，使其能够同时建模异构结构和复杂的关系模式，实验结果表明，UltraE 优于之前的欧几里得和双曲嵌入方法。

    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

  • 带有投影变换的知识图谱嵌入

    提出了一种基于投影几何的 KGE 模型，支持多重变换类型（包括翻转，反射，平移，旋转和相似变换），旨在解决多关系型知识图谱在邻域中存在多个子图结构的问题，并在几个广泛使用的链接预测基准测试中表现出优越性。

    Jun, 2020

  • 双曲表征学习：再探和提高

    本文提出了一种名为 “超宾说外显”（HIE）的方法，通过使用节点到原点的超宾距离（即超宾范数）推导出的无成本分层信息来改进现有的超宾表示方法，并在各种模型和不同任务上的广泛实验中展示了该方法的多功能性和适应性。

    Jun, 2023

  • 双曲神经网络

    通过将 M"obius gyrovector 空间的形式主义与 Poincarе模型的 Riemannian 几何相结合，我们提出了重要深度学习工具的超几何版本：多项式逻辑回归、前馈和循环神经网络。这样可以在超几何空间中嵌入序列数据并进行分类。实验证明，即使超几何优化工具受限，超几何句子嵌入在文本蕴含和噪声前缀识别任务中的表现要么优于，要么与欧几里得变体相当。

    May, 2018

  • 基于几何代数嵌入的静态和时态知识图完成

    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

  • HyperKG：基于双曲空间的知识图谱嵌入用于知识库补全

    本文提出 HyperKG，一个使用超几何空间来更好地反映知识库的拓扑性质，从而提高知识库完成任务性能的模型，并在各种链接预测数据集中验证了该模型的有效性。

    Aug, 2019

  • BiQUE: 知识图谱的双四元嵌入

    本研究提出了一种名为 BiQUE 的知识图谱嵌入模型，使用双四元数来整合多种几何变换，在多维关系图谱上表现比其他几何操作符更优秀

    Sep, 2021