本研究提出了一种基于知识图谱的 C 形建筑模式识别方法，通过属性图，图数据库和基于规则的推理，实现了建筑模式的有效识别。研究结果表明，相较于现有方法，该方法在多级精度上能够取得更高的召回率和更高的识别效率。

Apr, 2023

知识图谱嵌入（KGE）是解决知识图谱完成（KGC）任务的有效方法。本文通过对 4 种常见关系模式的性能评估和理论分析，引入了一种无需额外训练的训练无关方法（SPA）来提高 KGE 模型的性能。

Aug, 2023

本文研究如何在知识库中找到高度相关的模式以回答用户给出的关键词查询，并提出了有效的算法来寻找记录相关性，并比较了与已知技术的朴素调整的不同方法。

Sep, 2014

这篇论文通过使用 CNN 和 IP 算法，从单一 RGB 图像中推断出室外建筑物的 2D 平面图结构，取得了显著的结果，并提出了可供分享的代码和数据。

Dec, 2019

本文提出了一种叫做 GRank 的图模式实体排名模型，通过构建一个实体排名系统来评价每个图模式，然后通过在标准数据集上进行链接预测任务来评估该方法，结果表明，它的性能优于 ComplEx 和 TorusE，而且由于输出事实由图形模式描述，该模型易于解释。

Apr, 2019

利用图注意力网络的自动建筑布局生成方法，支持任意道路网络，生成逼真的城市布局，并基于学习先验条件生成，相较先前的布局生成网络表现出卓越性能，为 28 个大城市生成不同建筑形状的布局。

Jul, 2023

通过建立知识图谱，在建设领域超过 80,000 篇论文摘要上构建了超过 200,000 个高质量的关系和实体，用于展示各种实体之间的关系的自我开发可视化系统。

Nov, 2022

本文介绍了一种使用结构化先验知识的方法，包括知识图谱和图搜索神经网络，以在图像分类流程中有效地融入大型知识图谱，并在多标签分类方面优于标准神经网络基线。

Dec, 2016

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

本研究论文介绍了一种新颖的模型，将知识图谱中的实体和关系编码为低维向量空间，并将上下文信息和字面信息融入到实体和关系嵌入中，使用图卷积网络进行建模，通过置信度和相关性度量评估上下文信息的重要性，并通过字面信息的表示来计算相关性度量。我们在两个常用基准数据集上进行了全面的实验证实以验证模型的性能。

Dec, 2023