Apr, 2023

几何关系嵌入：综述

PDF
TL;DR本文概述了基于几何关系嵌入的方法，将关系数据映射为适合于机器学习的矢量信息和适合于结构化 / 关系推理的结构化 / 关系信息，以低维度的方式组合。这种嵌入方法保留了关系结构和吸引人的属性和可解释性，已被应用于诸如知识图谱完成、本体和层次关系推理、逻辑查询回答和层次多标签分类等任务。本文对构成几何关系嵌入的方法进行了概述，并根据（i）用于表示数据的嵌入几何和（ii）旨在改进的关系推理任务对其进行分类。同时，本文确定了每类嵌入所需的期望属性（即归纳偏差），并讨论了一些潜在的未来研究方向。
geometric relational embeddingsmachine learningknowledge graph completionontologyhierarchical multi-label classification
发现论文，激发创造
  • 在几何代数中的知识图谱嵌入

    本论文提出了一种基于几何代数的知识图谱嵌入框架 GeomE，利用多向量表示和几何积模拟实体和关系，具有对称、反对称、逆序和复合等多种关系模式，具有良好的泛化能力，能在多个基准知识图谱上优于现有的最先进模型，适用于链接预测。

    Oct, 2020

  • 基于几何代数嵌入的静态和时态知识图完成

    本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE，用于解决深度学习中的时序数据问题。结果表明，该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。

    Feb, 2022

  • 知识图谱嵌入：从表示空间的角度进行的调查

    本文从数学空间的角度系统性地回顾了当前存在的 KGE 技术，并介绍了基本的数学空间定义。通过对不同的类别 KGE 方法的讨论，总结了它们在不同嵌入需求下如何发挥空间优势，并探讨了数学空间在不同场景下的优势和原因。最后，从表示空间的角度提出了一些有前途的研究方向，希望能激发研究人员在设计 KGE 模型及相关应用时更加考虑其数学空间特性。

    Nov, 2022

  • EL Embeddings: 用于描述逻辑 EL++ 的模型的几何构建

    本研究在解决如何为复杂的信息或知识库创建向量空间嵌入，以便于机器学习、相似性搜索或类似任务时能更有效地用于预测蛋白质相互作用。

    Feb, 2019

  • 知识图谱嵌入：概述

    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

  • 多关系嵌入的类比推理

    本论文提出一种基于类比原理的新型框架，用于大规模多关系嵌入中的潜在实体和关系的表示优化。该模型具有强大的理论能力和计算可扩展性，在基准数据集上显著优于大量代表性基线方法。此外，该模型提供了多个已知方法的优雅统一，可以证明是我们框架的特殊实例。

    May, 2017

  • 探索词语和关系的理论表示

    该研究提出了一种理论方法，将词嵌入和知识图谱中的实体及其关系的几何形状联系起来，以便更好地理解它们的语义结构和性能。

    Feb, 2022

  • 几何交互知识图谱嵌入

    本文阐述了通过将知识图谱嵌入欧几里得空间、双曲空间和高维球面空间，提出了一种基于几何交互方法的知识图谱嵌入（GIE）。实验结果表明，与其他嵌入方法相比，GIE 在三个知识图谱数据集上的表现更加优异。

    Jun, 2022

  • Concept2Box: 学习两视图知识图谱的联合几何嵌入

    Concept2Box 提出了一种新方法，它使用双重几何表示技术联合嵌入了一个 KG 的两个视图：本体视图概念和实例视图实体。这种方法使用盒形嵌入来模拟概念，并使用向量来模拟实体，并提出了一种新的向量到盒形距离度量方法。

    Jul, 2023

  • 关系词嵌入

    本文中，我们提出了一种用于编码关系性知识的词嵌入方法，其旨在为已有的标准词嵌入方法提供一种补充。通过从共现统计数据中学习出这种关系性词向量，我们发现它确实捕捉到了非常有用的补充信息。

    Jun, 2019