Aug, 2022

GreenKGC：一种轻量级的知识图谱补全方法

HTML
PDF
TL;DR本文提出了一种轻量级模块化知识图谱完成(GreenKGC)方案，该方案包含三个模块：表示学习、特征修剪和决策学习，旨在解决在获得更好推理能力的同时保持较小的模型大小。实验结果表明，GreenKGC可以在较小的模型尺寸下达到与高维嵌入方法相当甚至更好的性能，并且可以推广到更多任务中。
发现论文，激发创造
  • 知识图谱补全方法的重新评估

    本文旨在探讨在大型知识图谱中自动预测缺失链接的 KGC 技术，针对最近几篇高水平论文达到的高性能，提出了一个简单的评估协议来解决模型偏差的问题，并使用该协议对几种现有方法进行了广泛的实验，同时公开了可复现的代码。

    Nov, 2019

  • KG-NSF: 无负样本的知识图谱补全方法

    通过交叉相关矩阵，提出一种克服负采样限制，能够快速学习知识图谱（KG）嵌入的负采样免费框架（KG-NSF），其具有与基于负采样的方法相当的链接预测性能，同时收敛更快。

    Jul, 2022

  • 知识图谱补全综述

    该研究论文介绍了知识图谱在信息抽取方法中的应用，探讨了表示学习和图神经网络在知识图谱完成中的作用，以及如何利用知识图谱在下游任务中预测缺失的链接。

    Aug, 2022

  • 知识图谱补全的预训练框架

    本研究提出了一种简单而有效的基于网络预训练的知识图谱补全框架（NetPeace），旨在整合知识图谱中全局网络连接和本地三元组关系的信息，并在稠密的知识图谱上获得了一致且显著的提高。

    Feb, 2023

  • 利用节点邻域改进知识图谱完成

    本文提出了一种通过图神经网络对实体邻域进行建模的增强型框架用于知识图谱补全，同时引入额外的边链接预测任务。评估结果表明，该框架简单且有效，并且能够做出可解释预测。

    Feb, 2023

  • 用于知识图谱补全的上下文字典查询

    本文介绍了一种采用上下文字典查找的新方法，利用传统的嵌入模型以端到端方式学习关系的细粒度语义，从而解决了知识图谱完成中的语义问题，并在多个基准数据集上获得了显着的性能提高。

    Jun, 2023

  • 基于大型语言模型的多角度知识图谱补全方法改进

    MPIKGC是一个通用框架，利用大型语言模型从不同的角度查询以补偿环境化知识的不足，改进了基于描述的知识图补全方法，扩展了实体描述，理解关系，并提取结构，通过四种基于描述的知识图补全模型和四个数据集进行了广泛评估，适用于链接预测和三元组分类任务。

    Mar, 2024

  • 逐步增强的知识图谱补全

    在这篇论文中，我们研究了与真实世界建设场景相关的三个重要过程：验证过程，挖掘过程和训练过程，并通过整合这三个过程引入了渐进式知识图谱完成（PKGC）任务，以模拟在真实世界场景中逐步完善知识图谱的过程。此外，为了加快PKGC处理，我们提出了两个加速模块：优化的Top-k算法和语义有效性过滤器，这些模块显著提高了挖掘过程的效率。我们的实验证明链接预测的性能不能准确反映PKGC的性能，更深入的分析揭示了影响结果的关键因素，并为未来的研究提供了潜在的方向。

    Apr, 2024

  • 基于结构和文本嵌入的知识图谱补全

    在本研究中，我们提出了一种关系预测模型，它利用了知识图中的文本和结构信息，并结合了步行式嵌入和语言模型嵌入来有效地表示节点。通过在一个广泛使用的数据集上进行评估，我们证明了我们的模型在关系预测任务中取得了有竞争力的结果。

    Apr, 2024

  • 可插拔的常识增强知识图完成框架

    本研究解决了现有知识图完成（KGC）方法依赖于事实三元组，导致结果可能与常识不符的问题。提出了一种可插拔的常识增强框架，该框架能够从事实三元组自动生成显式或隐式常识，并在多个KGC任务中表现出良好的可扩展性和性能。此方法可与多种知识图嵌入模型集成，促进常识与事实驱动的共同训练和推理。

    Oct, 2024