从包含数值边属性的知识图谱中学习嵌入
本文提出了一种基于数量推理的复杂逻辑查询解答方法,使用 Number Reasoning Network 框架来分别编码实体和数值,实现了关于数值和实体值的不同处理后,有效地解答了问题,并在三个不同的知识图上获得了最新的状态
Jun, 2023
本文提出了一种新颖的不确定性知识图谱嵌入模型 UKGE,其目的是在嵌入空间中保留结构和不确定性信息,该模型通过学习不确定关系事实的置信度得出嵌入,并引入概率软逻辑来推断训练期间未见关系事实的置信度,实验表明 UKGE 在不确定知识的捕捉上非常有效,并在置信度预测,关系事实排名和关系事实分类等任务中表现出色。
Nov, 2018
本研究论文介绍了一种新颖的模型,将知识图谱中的实体和关系编码为低维向量空间,并将上下文信息和字面信息融入到实体和关系嵌入中,使用图卷积网络进行建模,通过置信度和相关性度量评估上下文信息的重要性,并通过字面信息的表示来计算相关性度量。我们在两个常用基准数据集上进行了全面的实验证实以验证模型的性能。
Dec, 2023
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
本论文提出了一种基于几何代数的知识图谱嵌入框架 GeomE,利用多向量表示和几何积模拟实体和关系,具有对称、反对称、逆序和复合等多种关系模式,具有良好的泛化能力,能在多个基准知识图谱上优于现有的最先进模型,适用于链接预测。
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
提出了一种基于流形的嵌入原则(ManifoldE)来解决知识图谱嵌入方法中面临的代数系统不适定和几何形式过于严格的问题,该方法显著提高了精确预测任务的性能并保持高效。
Dec, 2015
通过对知识图谱和图神经网络的研究,我们发现在物联网领域中,采用最新技术的方法在节点分类任务中表现出色,并且图神经网络在链接预测任务方面具有优势。这项初步工作在物联网环境中实现和评估最新方法提供了有价值的见解。
Oct, 2023
本文提出了一组通用预处理算子,可以用于将具有数字、时间、文本和图像信息的知识图谱转换为任何方法可嵌入的形式。在 kgbench 数据集上,使用三种不同的嵌入方法进行实验,结果显示出良好的效果。
Sep, 2023