该研究比较短缺实际的现有图谱的16种最新方法的有效性和效率，并考虑到一种基于规则的基线，提出了具有可扩展性的维度以评估嵌入LP方法的介绍。

Feb, 2020

本文介绍一种基于Tucker分解和张量环分解TE的通用模型GETD，该模型可以广义地将张量分解应用到n元关系KBs中，实现了深入学习各种关系，理论上足够表征任何形式的KBs，实现在知识库的不同数据集上击败目前已有的最先进技术。

Jul, 2020

该研究提出了一种基于信息传递的图形编码器StarE，能够对超关系知识图上的限定语进行建模，通过该模型，与三元组相关的附加信息（限定语）可以被编码。并且在该论文中，作者还描述了一种新的基于Wikidata平台的数据集-WD50K，并证实了利用限定语进行链接预测的可行性。

Sep, 2020

该论文提出了一种新的归纳推理方法TACT，可以有效地利用关系之间的拓扑感知相关性，以预测缺失的链接，相比现有的方法，表现得更好。

Mar, 2021

在n元关系知识库中，提出了一种基于角色意识的建模方法，其中角色通过潜在空间中的基向量线性表示，引入了一种模式矩阵来捕获角色和所有涉及实体之间的兼容性以及采用多线性评分函数来衡量特定角色和实体组成的事实的可信度。该方法在理论上获得了完整的表现力，在计算效率方面也表现出色，并在n元和二元关系数据集上优于具有代表性的基线。

Apr, 2021

本研究提出了基于小型异构图的全连接式注意力图算法，用于处理n元关系事实的链接预测问题，并在多种实验数据集上证明了该方法的有效性和优越性。

May, 2021

论文介绍了一种新的任务，即在具有有限标记实例的n元事实上进行少数样本链接预测，并针对此提出了一种名为FLEN的模型，该模型可以从有限实例中捕获关系元信息来预测查询实例中的缺失实体，实验结果显示，FLEN在少数样本链接预测上表现优异。

May, 2023

提出了一种名为ShrinkE的方法，用于在超关系事实上进行知识图谱上的链接预测，成功地捕捉了限制它们泛化能力的限定符单调性、限定符蕴含和限定符相互排斥等关键推理模式。

Jun, 2023

Text2NKG是一个用于n元关系图构建的新颖细粒度n元关系抽取框架，支持超关系模式、事件模式、角色模式和超图模式等四种典型的n元关系图模式。实验结果表明，在超关系模式下，Text2NKG在细粒度n元关系抽取基准中的F1得分超过先前最先进模型近20个百分点。

Oct, 2023

知识图谱在不同语义含义的实体之间建立联系。针对知识图谱中丢失的实体信息，研究主要集中在链接预测。本文对现有工作进行系统性回顾，发现了术语和任务定义的多样性，限制了最新工作之间的比较。因此，本文旨在深入剖析每个设置并提出统一的命名方式。

Dec, 2023