Apr, 2022

通过嵌入空间的绝对定向进行本体匹配

PDF
TL;DR本文基于知识图谱嵌入探索了一种新的基于结构的映射方法，并使用合成和真实数据集进行了初步评估，结果表明，该方法对相似结构的图形具有很好的处理能力，可优于处理本体的大小和结构差异的对齐噪声。
ontology matchingknowledge graph embeddingsabsolute orientationsynthetic datareal-world datasets
发现论文，激发创造
  • OntoEA: 基于本体引导的实体对齐方法，通过知识图谱联合嵌入

    本文提出一个以本体指导实体对齐的方法 OntoEA，该方法通过联合嵌入本体和知识图谱来避免虚假映射，实验证明了该方法的优越性和本体的有效性。

    May, 2021

  • 利用图嵌入技术匹配不同知识图谱中的实体

    本文探讨了如何在不同的知识图谱之间匹配实体的问题，使用基于分类的方法和 RDF2Vec 图嵌入表示，同时提供用于研究该问题的数据集和实验结果作为未来工作的强基线。

    Mar, 2019

  • 利用知识图谱嵌入空间上的语义查询探索学术数据

    本文介绍了使用知识图谱嵌入方法来分析其语义结构，从而支持数据探索和解决相关问题的框架和方法。通过这种方式，可以使用良好研究的词嵌入空间定义语义查询，以便在数据集中解决相似性和类比等任务，并支持传统学术数据探索任务及一些新的有趣任务的解决。

    Sep, 2019

  • 基于嵌入式实体对齐的知识图谱基准研究

    本文介绍了实体对齐的新方法 ——embedding-based. 通过调查 23 种不同的 entity alignment 方法，我们提出了一种新的 KG 采样算法，并生成了不同的异质性和分布的基准数据集来进行评估。通过开源库测试了其中 12 种代表性的 entity alignment 方法，讨论了它们的优点和局限性。同时，我们进行了探索性实验，并报告了未来研究的初步结果。

    Mar, 2020

  • 从知识图谱嵌入到本体嵌入？向量空间表示和规则之间的兼容性分析

    本文提出了一种基于关系视图的框架，使我们可以研究本体知识和不同类型向量空间嵌入之间的兼容性，并证明了一些现有的嵌入方法无法建模一些简单的规则，同时研究了关系建模为凸区域的模型，发现使用凸区域可精确表示所谓的准链式存在量规则的本体，从而对于所有在这个向量空间内运用的事实都是逻辑一致和推导闭合的。

    May, 2018

  • 从图领域的公理到向量，并再次返回：评估基于图的本体嵌入的性质

    文章研究了不同的图投影方法对本体学习中嵌入生成和公理预测性能的影响。研究发现，不同的投影方法以及本体知识表示上的选择都会对公理预测产生重要影响。

    Mar, 2023

  • 本体嵌入：方法、应用和资源综述

    本文系统回顾了本体嵌入领域的 80 多篇论文，介绍了本体的不同语义以及数学和机器学习的视角下的本体嵌入的定义和特性，并对几种技术解决方案进行了分类和分析，包括几何建模、序列建模和图传播等。此外，还介绍了本体嵌入在本体工程、机器学习增强和生命科学中的应用，并讨论了挑战和未来方向。

    Jun, 2024

  • 基于上下文结构的自监督学习用于本体匹配

    本研究介绍了一种名为 LaKERMap 的新型自监督学习本体匹配框架，它利用转换器将概念的上下文和结构信息融入其中，旨在捕捉包括本地和全局交互在内的多种结构上下文。通过使用 Bio-ML 数据集和任务，我们的创新方法显示 LaKERMap 在对齐质量和推理时间方面优于最先进的系统。

    Oct, 2023

  • 预测常识本体的改进表示学习

    本文研究了利用学习表示的空间的内在几何结构来实现自动遵守复杂结构约束的本体 (分层和部分有序结构) 学习的最新工作，并探讨了对一种此类模型的两种扩展，旨在提高通识知识表示文本数据的性能。通过混合学习排序关系和非分层知识，以及利用训练数据的部分有序结构找到在配对训练过程中不好执行的嵌入之间的长距离 triplet 约束，我们发现这两种扩展都优于原始的 order-embedding 模型和其他强基线模型。

    Aug, 2017

  • 实体对齐的知识图谱嵌入方法：实验评述

    本文通过进行第一次统计学分析，对知识图谱中利用嵌入方法进行的实体对齐的流行方法进行了评估，并根据其在不同性能度量和知识图谱特征方面的有效性将其排名。

    Mar, 2022