Apr, 2023

朝着超图认知网络作为知识特征丰富模型的方向

PDF
TL;DR使用 feature-rich cognitive hypergraphs 模型基于 word association data 预测单词的具体性，相比 pairwise-based feature aggregations 和 pairwise networks 有更好的表现，并且丰富了和语言心理学向量相关的信息。
semantic networkscognitive hypergraphspsycholinguistic featuresword concretenessassociative knowledge
发现论文，激发创造
  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 语义网络的拓扑特性和组织原则

    研究了 ConceptNet 定义的由 11 种不同语言的七个语义关系组成的语义网络的特性，发现它们普遍具有稀疏、高度聚集和幂律程度分布等基本属性，少数语言的语义网络由于语法规则的影响出现幂律分布中的峰值。此外，根据语义关系类型和语言不同，语义网络中连接的形成受不同原则的指导，利用语义网络中相似性和互补性知识，可以提高 NLP 算法中的缺失链接推断。

    Apr, 2023

  • 功能丰富的多路复用词汇网络揭示了早期语言学习的心理策略

    本研究提出一种新的 FERMULEX 结构，通过多维度特征嵌入来丰富词义。我们运用该网络结构，研究了 1000 位 18-30 个月大的幼儿语言习得中的词汇选择偏好和语法建构，并发现其非均匀和规律性的演化过程。研究结果支持了以往的实证研究和发展性理论。

    Jan, 2022

  • 从关系图中学习词汇表达

    通过语义关系学习单词的潜在表示，结合单词共现和语义关系，解决语义单词类比问题。

    Dec, 2014

  • 学习实体和关系的表征

    本文提出了三种知识图谱表征模型，分别是 HypER、TuckER 和 MuRP，它们都能够自动预测缺失的关系，并且在性能方面不断取得进步。同时，该文还将最新的理论研究成果推广到了知识图谱的领域，探讨了如何在这些模型中编码不同种类的关系。

    Jan, 2022

  • 语义网络的大规模结构：统计分析和语义增长模型

    通过统计分析单词关联、WordNet 和 Roget's thesaurus 三种语义网络的大规模结构，我们发现这些网络均具有小世界结构、幂律分布，而对于语义组织，这种结构不同于传统模型，我们提出一个简单的语义增长模型来解释这一现象并考虑了学习历史变量对行为表现的影响。

    Oct, 2001

  • 基于图构件对比学习的概念相关性估计

    本文介绍了一种名为 ConcreteGraph 的图结构，用于解决概念相关性评估中的数据稀缺问题，并结合数据增强方法和图组件对比学习方法来捕捉概念之间的高阶关系。实验证明，该方法在三个数据集上的性能优于现有方法。

    Jun, 2022

  • 使用神经继承网络和词嵌入形成概念认知地图

    介绍了一种使用继任表示和神经网络的模型，以及单词嵌入向量，用于构建三个不同概念的认知图，从而根据输入提供多模态上下文信息，基于输入和预先存在的知识表示的相似性度量。

    Jul, 2023

  • 异构超图嵌入用于图分类

    论文提出了一种基于图神经网络的异构超图表示学习框架，利用小波基于局部超图卷积来表征多种非成对关系，并通过广泛的实验表明该方法优于其他方法，在垃圾邮件检测等任务中也有显著的优势。

    Oct, 2020

  • 生物知识图谱上的神经符号表示学习

    本研究开发了一种结合符号逻辑和神经网络自动生成生物学知识图谱节点的向量嵌入方法，用于生物知识图谱的边预测，并实现了优于人工特征方法的表现，该方法可应用于任何生物知识图谱中，并开放性的提供了生物领域中基于语义 Web 技术的知识库的机器学习和数据分析。

    Dec, 2016