面向未见元素的泛化:知识图谱知识外推综述
研究知识图谱嵌入在未知数据上的外推能力和建立更好外推能力的方法,通过三个不同层次的语义证据,提出了 Semantic Evidence aware Graph Neural Network (SE-GNN) 模型,达到了知识图谱完成任务的最佳表现并具有更好的外推能力。
Sep, 2021
本研究探讨在联邦环境下,如何应对新出现的知识图谱中包含的新组件(实体和关系),并提出了一种基于元学习的图神经网络框架,可以根据结构信息构建未见过的组件特征,并嵌入这些组件。实验结果表明,我们的方法可以有效地嵌入未见过的组件,并胜过考虑 KG 归纳设置和直接使用传统 KG 嵌入方法的基线模型。
May, 2022
本文介绍了一种基于元学习的时间知识图谱外推模型(MTKGE),该模型在已知时间知识图谱中进行链接预测任务的元训练,并在具有未知实体和关系的新兴时间知识图谱中进行测试。通过捕获关系的相对位置模式和时间序列模式的 GNN 框架,学习模式的嵌入可以转移到未知组件。实验结果表明 MTKGE 模型在两个不同的时间知识图谱外推数据集上均优于现有的知识图谱外推和特定自适应 KGE 和 TKGE 基线的最新模型。
Feb, 2023
该研究比较短缺实际的现有图谱的 16 种最新方法的有效性和效率,并考虑到一种基于规则的基线,提出了具有可扩展性的维度以评估嵌入 LP 方法的介绍。
Feb, 2020
本文综述了知识图谱完成中的当前研究状态,特别关注了知识图谱嵌入设计的两个主要分支:基于距离的方法和基于语义匹配的方法,并探讨了与最近提出的模型之间的关联及其背后的趋势,最后讨论了利用预训练语言模型和实体关系的文本描述相结合进行知识图谱完成的新方法。
Sep, 2023
本文提出一种名为 MorsE 的模型,该模型不学习实体的嵌入,而是学习可转移的元知识,以生成实体的嵌入,这种元知识由实体独立模块建模并通过元学习进行学习,在归纳设置下,该模型可以显着优于相应的基线模型,适用于知识图谱的内部和外部任务。
Oct, 2021
KGEx 是一种新颖的后处理方法,通过借鉴替代模型研究来解释知识图嵌入(KGE)中的个别链接预测,并通过训练替代 KGE 模型识别重要的训练三元组,从而提供对于黑盒模型忠实的解释。
Oct, 2023
知识图谱是多样化知识的结构化表示方式,广泛应用于各种智能应用。本文综述了各种类型的知识图谱(静态、动态、时态和事件型)的演化以及知识提取和推理技术,并介绍了不同类型知识图谱的实际应用,包括金融分析的案例研究。最后,我们提出了关于知识工程未来方向的观点,包括将知识图谱和大型语言模型的能力结合以及知识提取、推理和表示的发展。
Oct, 2023