数据库嵌入的步行方案选择
该论文提出了一个基于随机游走的图嵌入分析框架,包括三个组件:随机游走过程、相似性函数和嵌入算法,该框架不仅可以分类许多现有方法,而且自然地激发新方法,通过它,我们演示了改进下游任务性能的多个尺度嵌入的新方法。此外,我们还发现,基于自协方差相似性的嵌入,在与点积排名进行链路预测时,比基于点互信息相似性的最先进方法表现提高了多达 100%。
Oct, 2021
提出了一种有效的方法以解决知识图谱嵌入中数据稀疏问题。该方法通过随机游走产生附加三元组来增加三元组数量,并从产生的随机游走元路径中准确有效地过滤出信息元路径。
Sep, 2022
RDF2vec 是一种知识图谱嵌入机制,从知识图中提取实体的序列,然后使用 word2vec 算法计算实体的向量表示,新引入的 e-walks 和 p-walks 强调实体的结构或邻域,可用于创建重点相似性或相关性的嵌入。
Apr, 2022
我们提出了一种名为 Walklets 的算法,通过子采样短的随机游走,在图的顶点之间建立多尺度关系,从而生成多维表示,用于社交网络等多标签网络分类任务,其效果优于 DeepWalk 和 LINE 等方法,且为在线算法,可轻松扩展到数百万个顶点和边。
May, 2016
本文通过扩展随机游走模型将其用于知识图谱嵌入中,提出了一种衡量实体之间关系强度的评分函数,并给出了该方法的理论分析和学习目标。在实验中,我们使用了该方法对 FB15K237 和 WN18RR 数据集进行了准确的嵌入学习,为该理论提供了实证支持。
Jan, 2021
本文提出了一种基于神经嵌入的端到端模式匹配新方法,该方法分为表匹配和属性匹配两步。实验结果表明,该方法能够以精确可靠的方式确定匹配,并且相较于传统模式匹配方法能找到非常规匹配点。
Mar, 2022
通过基于有意义的句子的图结构的嵌入方法,在大规模异构数据中高效提取信息,特别是文本数据的处理和分类问题中,展示出与其他算法相比显着更好的分类性能。
Apr, 2024
本论文介绍了带标记的随机游走的概念,以此为基础对现有的一些利用随机游走的算法如 DeepWalk、node2vec 等进行了推广,可适用于传导学习、归纳学习以及具备属性的图形数据,并在多个领域的各种图形上验证了该算法的有效性。
Sep, 2017