Jul, 2022
评估超参数对知识图谱嵌入质量的影响
Assessing the Effects of Hyperparameters on Knowledge Graph Embedding
Quality
TL;DR通过 Sobol 敏感度分析,本文研究了不同知识图谱的超参数灵敏度差异,并提出了一个泄漏鲁棒的知识图谱变种 UMLS-43。
Abstract
embedding knowledge graphs into low-dimensional spaces is a popular method for applying approaches, such as link prediction or node classification, to these databases. This embedding process is very costly in ter
发现论文,激发创造
负采样对知识图谱链接预测的影响分析
本文通过实证研究,对比了对知识图谱中实体之间关系进行无监督学习的四种嵌入模型( escal,TransE,DistMult和ComplEX)使用不同负采样方法的效果,结果发现使用不同负采样方法得到的效果差异较大,且在不同数据集上表现也各有不同。
Aug, 2017
HyperKG:基于双曲空间的知识图谱嵌入用于知识库补全
本文提出HyperKG,一个使用超几何空间来更好地反映知识库的拓扑性质,从而提高知识库完成任务性能的模型,并在各种链接预测数据集中验证了该模型的有效性。
Aug, 2019
评估知识图谱嵌入的校准性,用于可靠的链接预测
本文研究了知识图谱嵌入模型的可信度,并通过校准技术在标准的封闭世界状态下对其进行了评估,然后引入更现实但具有挑战性的开放世界状态。最后通过人机协作案例来说明校准的实用性。
Apr, 2020
将光带入黑暗:在统一框架下对知识图谱嵌入模型进行大规模评估
该研究重新实现和评估了21种知识图谱嵌入模型,证明了模型架构、训练方法、损失函数和反向关系显式建模的结合对模型性能至关重要,提供了许多最佳配置和实践,并提供了代码和实验配置等信息。
Jun, 2020
PyKEEN 1.0:一个用于训练和评估知识图谱嵌入的Python库
本研究重新设计与实现了PyKEEN,一个知识图谱嵌入模型 (KGEMs) 的软件库,提供了广泛的交互模型、训练方法、损失函数和反向关系建模,并提供了自动内存优化和超参数优化的功能。
Jul, 2020
知识图谱嵌入的克罗内克分解
本文基于 Kronecker 分解技术提出了一种方法来减少知识图嵌入模型中的参数数量,拥有更好的参数效率、特征重用和对输入噪声的鲁棒性,在基准数据集上进行了一系列实验表明其有效性。
May, 2022
用于分析知识图谱嵌入的DLCC节点分类基准
该研究提出了DLCC基准,并通过它来比较知识图嵌入方法的表现。研究发现,针对DBpedia上的许多DL构造实际上是通过识别不同的相关模式来学习的,并且特定的DL构造(如基数约束)对于大多数嵌入方法来说特别难以学习。
Jul, 2022