Dec, 2023

超越传统：知识图谱中归纳、少样本和零样本链接预测调查

PDF
TL;DR知识图谱在不同语义含义的实体之间建立联系。针对知识图谱中丢失的实体信息，研究主要集中在链接预测。本文对现有工作进行系统性回顾，发现了术语和任务定义的多样性，限制了最新工作之间的比较。因此，本文旨在深入剖析每个设置并提出统一的命名方式。
knowledge graphsincompletenesslink predictiontransductive settinginductive learning
发现论文，激发创造
  • 知识图谱中半归纳链接预测的基准测试

    提出了一个大规模基准测试，用于评估半归纳链接预测模型，在不同实验中发现，半归纳链接预测表现远不及透视性能，在集成语境和文本信息的半归纳链接预测模型方面提供了进一步研究的测试平台。

    Oct, 2023

  • 基于关系匿名游走导向神经过程的知识图谱少样本归纳链接预测

    本文提出了一种基于关系匿名游走引导的神经过程模型 RawNP，用于在知识图谱上进行少样本归纳链接预测，并在典型基准数据集上展示出了新的最先进性能。

    Jun, 2023

  • 学习外推知识：跨领域几何关系联合推理下的少样本图外关系预测

    该论文介绍了一种名为 Graph Extrapolation Networks（GEN）的新型转导式元学习框架，通过该框架，可以在实现小样本图数据链接预测中超越其他同类方法。

    Jun, 2020

  • 知识图谱嵌入用于链接预测：一项比较分析

    该研究比较短缺实际的现有图谱的 16 种最新方法的有效性和效率，并考虑到一种基于规则的基线，提出了具有可扩展性的维度以评估嵌入 LP 方法的介绍。

    Feb, 2020

  • 生成式对抗零样本关系学习用于知识图谱

    本文提出了一种零样本学习方法，利用生成对抗网络从文本描述中学习新关系的语义特征并在知识图谱中识别新关系的事实，使得知识图谱的扩展更加容易，实验结果表明这种方法可以被广泛应用于任何版本的知识图嵌入，并在 NELL 和 Wiki 数据集上实现了一致的性能提升。

    Jan, 2020

  • 通过链接预测从文本中归纳实体表征

    本文通过一个综合评估协议，探讨了使用预测链接的实体表示学习，并考虑了线性预测和实体分类任务以及针对面向实体的搜索的信息检索任务，通过一个预训练的语言模型体系结构，证明这些学习的表示不仅适用于 KG 特定任务，还具有比之前的方法更强的泛化性能，同时也在其他任务方面表现出色。

    Oct, 2020

  • 知识图谱的单次关系学习

    本文提出了一种基于嵌入模型的一次性关系学习框架，将已有的知识和一跳图结构相结合，来预测在只有一个训练样例的情况下的新事实，并通过实验证明，在新关系预测和嵌入模型训练上，该模型具有巨大的性能优势。

    Aug, 2018

  • 学习一次关系的元表示，用于时态知识图谱链接预测

    本文提出一种针对时间知识图谱的 few-shot learning 模型，通过时间关系建模，实现了在单样本情况下，对时间知识图谱进行关系预测

    May, 2022

  • 基于知识图谱的归纳链接预测公开挑战赛

    本研究提出了 ILPC 2022 数据集挑战赛，旨在为评估归纳表示学习方法提供基准测试，从而使社区在归纳图表示学习领域中进行协同努力.

    Mar, 2022

  • 拓展转导式知识图嵌入模型用于归纳逻辑关系推理

    该研究介绍了一种广义的谐波扩展技术，通过利用传统的跨领域知识图嵌入方法学习的表示，推断引入的新实体在推理时的表示，并扩展了跨领域知识图嵌入方法的功能，可以用于知识图的补全和逻辑查询。

    Sep, 2023