本文提出了一种新颖的知识图谱嵌入模型 HIE，将每个三元组（头实体、关系、尾实体）同时模拟成距离测量空间和语义测量空间，并结合层次感知空间，利用实体和关系丰富的层次信息进行更好的表示学习，实验结果表明，HIE 在链接预测任务上优于若干现有的知识图谱嵌入方法，能够准确处理复杂的关系。

Mar, 2023

文章介绍了一种名为 iHT 的知识图谱 (KG) 表征模型，该模型基于 Transformer 并经过大规模预训练，由实体编码器和邻居感知关系得分函数组成，可用于 KG 补全，经过实验证明其具有很好的泛化能力和良好的表现。

Mar, 2023

提出了使用双视图超关系知识图谱的表示学习模型，其中包括以实体为中心的超关系示例视图和以概念为中心的超关系本体视图。将该模型应用于链接预测和实体类型预测任务，并基于 Wikidata 和医疗数据构建了两种双视图超关系数据集。通过采用 DHGE 模型，该模型的实验结果优于基线模型，并且最后提供的样例表明该技术可以用于治疗高血压。

Jul, 2022

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

本文提出了一种新颖的知识图谱嵌入方法，引入了一组虚拟的关系原型实体来表示连接同一关系的头尾实体的原型，通过将实体的嵌入与其关联的原型的嵌入靠近，有效鼓励了由同一关系连接的可能在知识图谱中相距较远的实体的全局语义相似性，并在实体对齐和知识图谱完成任务上显著优于最新的现有方法。

Jun, 2022

本文阐述了通过将知识图谱嵌入欧几里得空间、双曲空间和高维球面空间，提出了一种基于几何交互方法的知识图谱嵌入（GIE）。实验结果表明，与其他嵌入方法相比，GIE 在三个知识图谱数据集上的表现更加优异。

Jun, 2022

该论文提出一种新的知识图谱嵌入方法 CrossE，该方法利用交叉交互方法生成多个三元组特定的 embedding，并在典型的链接预测任务中取得了最先进的结果，同时更能够生成可靠的解释来支持它的预测。

Mar, 2019

本文提出了通过预训练语言模型和 k 近邻的知识图谱嵌入新方法 kNN-KGE，使得 rare 或 emerging entities 更容易被显式地存储，而非隐式存在于模型参数中，实验证明该方法可提高归纳式和传导式链接预测结果，并在只有很少的三元组的低资源情况下获得更好的性能。

Jan, 2022

本文提出了两种基于嵌入的方法 HSimplE 和 HypE，直接处理知识超图中的关系， 以解决链接预测问题，此外还开发了公共数据集、基准测试并进行了实验，证明所提出的模型比基准测试更 effective。

Jun, 2019

本文提出了一种称为实体邻居的新型附加信息，并使用深度记忆网络模型编码邻居信息。通过引入门控机制，结构和邻居的表征被整合成一个联合表征，实现了知识图谱嵌入（KGE）技术中实体表示的最新技术性能。

Aug, 2018