May, 2022

FLEX: 面向复杂知识图谱推理的特征逻辑嵌入框架

PDF
TL;DR我们提出了一个名为 FLEX 的新的 KGR 框架，它不仅能够真正地处理所有 FOL 操作，包括合取、析取、否定等，而且还支持各种特征空间，结果表明，在基准数据集上，FLEX 明显优于现有的最先进方法。
knowledge graph reasoningfeature-logic embedding frameworkfol operationsvector logicbenchmark datasets
发现论文，激发创造
  • 知识图谱中的多次逻辑推理的 Beta 嵌入

    BetaE 是一个可处理不完整的知识图谱中任意一阶逻辑查询的概率嵌入框架，使用带限制支持的概率分布，具有更多的一阶逻辑操作并可以精确建模不确定性，相对于目前仅能处理且合取查询无法处理否定的最前沿知识图推理方法，BetaE 提高了高达 25.4% 的相对性能。

    Oct, 2020

  • 基于模糊逻辑的知识图谱逻辑查询回答

    FuzzQE 采用模糊逻辑定义逻辑运算符，利用模糊的查询嵌入框架回答在知识图上的存在量化查询，比现有技术提供更好的性能。

    Aug, 2021

  • 在知识图谱上嵌入逻辑查询

    本研究提出了一种基于低维嵌入空间中的几何运算来有效处理知识图谱中逻辑查询的框架，能够在处理复杂查询时提高时间复杂度，这种方法应用于真实世界数据中能够提供有用的预测能力。

    Jun, 2018

  • 知识图谱逻辑推理的神经方法

    本文介绍了一种使用神经网络来处理知识图谱上的多跳逻辑查询的方法，并展示了实验室中的卓越性能，该方法可以处理包括否定查询在内的全一阶逻辑查询。

    Sep, 2022

  • 建模知识图谱中的关系模式，用于逻辑查询答案

    该论文提出了一种名为 RoConE 的查询嵌入方法，利用几何锥和复数旋转操作模拟关系模式进行模式推断，有效增强了逻辑查询答案的性能。

    Mar, 2023

  • GammaE: 基于 Gamma 的知识图谱逻辑查询嵌入

    本文提出了一种新的概率嵌入模型（GammaE）来对知识图谱中的实体和查询进行编码以回答不同类型的 FOL 查询，并利用 Gamma 分布的线性性质和强边界支持来捕捉实体和查询的更多特征，GammaE 实现了 Gamma 混合方法来设计闭合联合算子，并在三个大型逻辑查询数据集上验证了 GammaE 的性能优于公共基准测试中的最新模型。

    Oct, 2022

  • Query2box: 在向量空间中使用盒式嵌入对知识图谱进行推理

    提出了一种基于嵌入的查询框架，使用矢量空间嵌入复杂逻辑查询，将查询表示为盒子并将合取作为盒子交集表示，而将极限作为在 DNF（析取正规形式）中转换后处理。

    Feb, 2020

  • 基于神经符号化的规则嵌入知识图谱推理

    本文提出了一种名为 RulE 的框架，它融合了元素、关系和逻辑规则。通过在统一嵌入空间中学习每个逻辑规则的嵌入向量，RulE 可以以软方式进行逻辑推断，并为每个规则分配置信度分数，从而提高知识图嵌入的泛化性能。通过对多个基准知识图进行实验，RulE 的有效性得到了证明。

    Oct, 2022

  • 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

  • 结合逻辑推理和嵌入的知识图谱推理：调查与展望

    本文综述了基于符号逻辑和基于嵌入式方法相结合的知识图谱 (KG) 推理方法的最新研究进展，并讨论了这两种方法相结合的优势、分类和挑战。

    Feb, 2022