超几何知识图嵌入的 3D 旋转和平移
本文提出 HyperKG,一个使用超几何空间来更好地反映知识库的拓扑性质,从而提高知识库完成任务性能的模型,并在各种链接预测数据集中验证了该模型的有效性。
Aug, 2019
本研究提出了一种新的知识图谱嵌入模型 CompoundE3D,它利用了三维几何变换的复合特性,包括平移、旋转、缩放、反射和剪切,并且其多个设计变体可以匹配不同的关系类型,实验结果显示它在四个流行链路预测数据集上有明显的优势。
Apr, 2023
本文提出了一种新颖的基于注意力的可学习曲率超几何分层知识图嵌入模型(HypHKGE),以在超几何空间中有效地建模知识图中的语义层次结构,并在低维度下表现出色,特别是在链接预测方面。
Apr, 2022
本文提出了一种新的知识图谱嵌入方法 UltraE,它使用超弦广义相对论模型天衣无缝地将双曲和球形流形交错地组织起来,使其能够同时建模异构结构和复杂的关系模式,实验结果表明,UltraE 优于之前的欧几里得和双曲嵌入方法。
Jun, 2022
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
提出了一种基于投影几何的 KGE 模型,支持多重变换类型(包括翻转,反射,平移,旋转和相似变换),旨在解决多关系型知识图谱在邻域中存在多个子图结构的问题,并在几个广泛使用的链接预测基准测试中表现出优越性。
Jun, 2020
本文提出了一种称为 RotatE 的新型知识图谱嵌入方法,它能够模拟和推断各种关系模式,包括对称性 / 反对称性、倒置和组合,并使用一种新颖的自对抗负采样技术有效地训练模型,实验证明它不仅可扩展性好,而且还能够显着地优于现有的最先进模型用于链接预测。
Feb, 2019
本文介绍了利用 Hyperboloid Embeddings 学习知识图谱表示的自监督逻辑查询推理方法,并将其应用于真实世界数据集和异常检测任务中,取得了显著的性能提升。
Dec, 2020