研究利用词嵌入的理论,将知识图谱关系分为三种类型,并为每种类型导出其表示法的明确要求,以了解知识图谱数据的潜在结构如何被不同表达方法所捕捉。
Sep, 2019
本文提出了一种轻量级的建模框架,主要关注评分函数的设计以实现高度竞争的关系表达能力,并突出两个关键特征:1)促进足够的特征交互;2)保留关系的对称性和反对称性。对公共基准的大量实验表明,该框架具有高效和有效性。
May, 2020
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
本文介绍了一种通过利用知识图谱的外部知识来生成解释的方法,通过 Personalized PageRank 算法对商品和知识图谱实体进行联合排序,生成具有解释的推荐。
Jul, 2017
本论文使用预训练的知识图谱嵌入模型,结合文本语料库的句子级上下文表示,实现了较高性能的关系抽取模型,并通过实验验证了该方法的有效性和出色性能。
Jun, 2023
提出了一种基于关系注意力机制和反向表示更新策略的时间动态知识图谱链接预测框架,构建查询相关子图来预测图结构中未来的连接情况,具有更好的解释性和推荐准确率。
Dec, 2020
介绍了知识图谱嵌入的概念,生成和评估,总结了用于在向量空间中表示知识的方法,讨论了预测模型的解释性问题和解决方法。
Apr, 2020
该论文提出了一种语义表示方法 KSR,通过全局提取多方面并在每个方面中分配特定的类别,从而建立语义相关性,可以用于需要语义分析的应用,例如问答和实体检索。经过广泛的实验表明,该模型明显优于其他最先进的基线。
Aug, 2016
本文提出了两种基于嵌入的方法 HSimplE 和 HypE,直接处理知识超图中的关系, 以解决链接预测问题,此外还开发了公共数据集、基准测试并进行了实验,证明所提出的模型比基准测试更 effective。
Jun, 2019
该研究论文提出了基于注意力机制的特征嵌入方法,能有效地捕捉到三元组周边复杂和隐式的信息,并在多个数据集上相对于现有方法实现了显著的性能提升。