EMNLPOct, 2023

关系感知的集成学习用于知识图谱嵌入

PDF
TL;DR通过关系感知的集成学习算法，提取知识图谱嵌入的语义模式，以达到更好的性能和效果。
knowledge graph embeddingensemble learningrelation-awaredivide-search-combine algorithmembedding performance
发现论文，激发创造
  • 知识图谱的分段嵌入 (SEEK)

    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

  • 高效嵌入动态知识图谱

    提出了一种上下文感知的动态知识图谱嵌入方法 (DKGE)，该方法利用两个有注意力机制的图卷积网络、一种门控策略和翻译操作，通过双重表示 (知识嵌入和上下文元素嵌入) 联合模型化实体和关系及其环境，以快速获取更新的知识图谱嵌入，同时支持从头开始的知识图谱嵌入。实验证明 DKGE 在动态环境下具有良好的有效性和效率。

    Oct, 2019

  • 基于集成知识迁移的多语言知识图谱补全

    本文提出了一种名为 KEnS 的新型框架，用于跨多个语言特定的知识图谱进行嵌入学习和集成知识传递，实现 KG 完成的改进。

    Oct, 2020

  • 异构知识图谱的关系感知实体对齐

    本文提出一种基于关系感知的双图卷积神经网络（RDGCN），以通过知识图谱和其双重关系相互作用来整合关系信息，并进一步捕获邻近结构以学习更好的实体表示，以获取更好且更有效的跨语言实体对齐结果。

    Aug, 2019

  • 知识图谱规则引导的联合嵌入学习

    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

  • 在知识图谱中学习基于注意力机制的嵌入向量以预测关系

    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。

    Jun, 2019

  • 在知识图谱中学习利用长期关系依赖

    本文提出了一种基于循环跳跃网络的知识图谱嵌入方法，能够高效地捕获实体之间长期关系，特别适用于跨知识图谱嵌入和实体对齐等任务，在实验中达到当前最优水平。

    May, 2019

  • 知识图谱上的深度学习在推荐系统中的应用：综述

    本文综述了基于图神经网络的知识感知深度推荐系统的现状和发展方向，重点讨论了核心组件 —— 图嵌入模块，以及它们如何解决实际推荐问题，例如规模扩展，冷启动等，并总结了常用的基准数据集、评估指标和开源代码。

    Mar, 2020

  • VRKG4Rec：基于虚拟关系知识图谱的推荐系统

    本文提出了一种 VRKG4Rec 模型，该模型能够明确地区分不同关系对于项表示学习的影响，并采用本地加权平滑机制对节点进行编码，同时使用这种机制在用户 - 物品二分图上进行用户表示学习，旨在改善推荐系统的性能，实验结果表明该模型优于现有的最先进方法。

    Apr, 2022

  • ComDensE：知识图谱补全的关系感知和公共特征的合并稠密嵌入

    本文提出 ComDensE，该模型采用稠密神经网络，结合关系感知和普通特征提取，实现了在知识图谱补全方面的最佳表现。

    Jun, 2022