May, 2023

ACTC: 冷启动知识图谱完成的主动阈值校准

PDF
TL;DR本文首次尝试对无标注实体关系三元组进行冷启动校准，通过 ACTC 方法在受限的标注实体关系三元组集上高效地找到适合的逐关系阈值；此外，ACTC 还利用 logistic 回归或高斯过程分类器估计未标注实体关系三元组的正确性。本文实验表明，在标注实体关系三元组数量有限的情况下，使用 ACTC 可使评分模型在知识图谱补全任务中的预测质量提高。
self-supervisedknowledge-graph completioncalibrationcold-start calibrationscoring model
发现论文，激发创造
  • 利用置信度增强强化学习改善时间知识图上的少样本归纳学习

    FITCARL 是一种结合了少样本学习和强化学习的 TKGC 方法，通过引入候选动作的置信度计算模块和实体概念信息正则化器提高了在 TKG 新出现实体预测方面的表现。

    Apr, 2023

  • 知识图谱中基于拓扑感知的关系间归纳连接预测相关性

    该论文提出了一种新的归纳推理方法 TACT，可以有效地利用关系之间的拓扑感知相关性，以预测缺失的链接，相比现有的方法，表现得更好。

    Mar, 2021

  • KCAT: 一种知识约束类型注释工具

    该研究介绍了一种名为 KCAT 的工具，可以通过实体链接将候选类型的大小减少到可以接受的范围，并提供了一种多步骤类型方案来修正实体链接结果，从而显著提高注释效率和分析群众众包注释的综合管理模块，适用于细粒度实体类型注释的任务。

    Jun, 2019

  • 学习关系间完整的拓扑感知相关性用于归纳链路预测

    TACO 是一种基于子图的新型方法，通过建模与拓扑结构高度相关的关系之间的语义相关性，将图级特征和边级交互相结合，以同时进行推理的方式，在归纳链接预测任务中实现了卓越的性能。

    Sep, 2023

  • 利用概念感知信息在时间知识图上进行小样本归纳学习

    该研究提出了一种用于预测时间知识图谱中未出现实体链接的新方法，其中利用元学习和新构建的数据集来实现对未见实体的归纳学习，在此基础上提出了概念感知模型来提高模型比较性能。

    Nov, 2022

  • 利用无标签数据预测超出分布性能

    本研究提出了一种平均阈值置信度 (ATC) 的实用方法，通过使用已标记的源数据和未标记的目标数据来预测目标域准确性。ATC 在多种模型结构、分布转移类型和数据集上的表现均优于之前的方法，并且比之前的方法更准确地估计目标性能。

    Jan, 2022

  • 评估知识图谱嵌入的校准性，用于可靠的链接预测

    本文研究了知识图谱嵌入模型的可信度，并通过校准技术在标准的封闭世界状态下对其进行了评估，然后引入更现实但具有挑战性的开放世界状态。最后通过人机协作案例来说明校准的实用性。

    Apr, 2020

  • 多语言知识图谱补全的关系和实体对齐

    ALIGNKGC 是一种用于训练多语言知识图谱（Knowledge Graph）完成、实体对齐和关系对齐模型的方法，旨在优化三种损失。使用 DBPedia 数据集进行实验，并与单一 KGC 模型、不使用对齐的 KGC 模型进行比较，结果表明 ALIGNKGC 在这三种任务上的表现均得到了改善。

    Apr, 2021

  • 时间知识图谱补全：综述

    本研究首次总结了时间知识图补全方法的研究进展，包括背景、基准数据集、评估指标以及现有方法，旨在解决静态知识图补全方法的不准确问题。未来的研究方向也在文章中提出。

    Jan, 2022

  • GreenKGC：一种轻量级的知识图谱补全方法

    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。

    Aug, 2022