Dec, 2021

通过复杂空间回归和嵌入的知识图谱实体类型预测方法

PDF
TL;DR本文提出了一种名为 CORE（COmplex space Regression and Embedding）的知识图谱实体类型预测方法，利用 RotatE 和 ComplEx 模型的表现力，在两个不同的复杂空间中嵌入实体和类型，推导出复杂回归模型来链接这两个空间，并引入一种优化嵌入和回归参数的机制。实验表明，在知识图谱实体类型推理数据集上，CORE 的优异表现胜过基准方法，分析了各种实体类型预测方法的优缺点。
发现论文，激发创造
  • RotatE：基于复杂空间关系旋转的知识图谱嵌入

    本文提出了一种称为 RotatE 的新型知识图谱嵌入方法，它能够模拟和推断各种关系模式，包括对称性 / 反对称性、倒置和组合，并使用一种新颖的自对抗负采样技术有效地训练模型，实验证明它不仅可扩展性好，而且还能够显着地优于现有的最先进模型用于链接预测。

    Feb, 2019

  • AutoETER：用于知识图谱嵌入的自动化实体类型表示

    我们开发了新型的 KGE 框架，使用智能化实体类型嵌入自动化技术，可以更好地表示实体的信息并可同时推断出对称性、倒置性、组合关系以及 1-N、N-1 和 N-N 等复杂关系，相较于现有的先进基础线性任务，实验表明我们提出的模型对于关系预测具有明显的优势。

    Sep, 2020

  • TeRo: 基于时间旋转的知识图谱嵌入

    本文提出了基于复向量空间的实体嵌入旋转方法 TeRo 用于处理包含时间信息的知识图谱（TKG），结合对起止时间进行双重嵌入，解决了现有 KG 嵌入模型的局限性，通过在不同 TKG 数据集上进行实验，TeRo 在链接预测方面表现出优异性能，同时分析了时间粒度对于链接预测的作用。

    Oct, 2020

  • ModulE: 知识图谱的模块嵌入

    通过基于群论的嵌入框架和模结构，提出了一种新的知识图谱嵌入模型 ModulE，取得了多个基准数据集上的最先进性能。

    Mar, 2022

  • CoRE-CoG: 基于约束生成的对话实体推荐

    CoRE-CoG 是一种新的对话式推荐系统，通过引入推荐触发器、类型修剪模块和受限响应生成器等模块，实现了同时准确推荐决策和流利系统话语的目标。与基准系统相比，在条件生成子任务上具有接近 10 个 F1 和 4 个 Recall@1 百分点的优势。

    Nov, 2023

  • ChronoR: 基于旋转的时间知识图谱嵌入

    本文研究了关于时间知识图谱的推理问题，并提出了一种新的模型 Chronological Rotation embedding 用于学习实体、关系和时间的表示，通过高维度的旋转变换捕捉 Temporail Knowledge Graph 的富有交互性和多关系特征，实验结果表明 ChronoR 能够在时间知识图谱链接预测的基准数据集中胜过大多数最先进的方法。

    Mar, 2021

  • 知识图谱嵌入：概述

    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

  • 连接嵌入对知识图谱实体类型进行分类

    本文提出了一种新方法，通过共同利用现有实体类型和知识图谱中的全局三元组知识以及两个嵌入模型，推断知识图谱中缺失的实体类型实例；在真实数据集上实验结果显示，此方法和模型可以有效地提高知识图谱实体分类。

    Jul, 2020

  • 在几何代数中的知识图谱嵌入

    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

  • SpaceE: 基于实体空间中关系线性变换的知识图谱嵌入

    提出了一种名为 SpaceE 的翻译距离 (KGE) 基于线性变换的方法来模拟知识图谱中实体的关系，它可以很好地建模与非注射关系模式， 并且在许多具有非注射关系的数据集中明显优于现有的 KGE 方法。

    Apr, 2022