Feb, 2024

VN 网络：嵌入新出现的实体与虚拟邻居

PDF
TL;DR通过引入逻辑规则和对称路径规则，我们提出了一种名为 Virtual Neighbor（VN）网络的新框架来解决嵌入方法中的邻居稀疏问题，该网络在两个知识图完成任务上明显优于现有方法，并且对邻居稀疏问题高度稳健。
embedding methodsgraph neural networkvirtual neighborknowledge graph completionneighbor sparsity problem
发现论文，激发创造
  • 基于图卷积神经网络和强化学习的动态虚拟网络嵌入算法

    本文提出了一种基于强化学习和图卷积神经网络的动态虚拟网络嵌入算法，将自定义的适应度矩阵和适应值作为目标函数，实现了高效的动态虚拟网络嵌入，有效降低了资源碎片化程度，并验证了该算法具有优秀的灵活性和基本 VNE 特性。

    Feb, 2022

  • 基于强化学习的安全感知虚拟网络嵌入算法

    提出一种基于强化学习的安全感知虚拟网络嵌入算法，采用策略网络作为学习代理并在训练阶段使用子节点属性提取为特征矩阵，该算法在安全性、收益和虚拟网络请求接受率等方面表现优于典型方法。

    Feb, 2022

  • 通过记忆推理：最近邻居知识图嵌入

    本文提出了通过预训练语言模型和 k 近邻的知识图谱嵌入新方法 kNN-KGE，使得 rare 或 emerging entities 更容易被显式地存储，而非隐式存在于模型参数中，实验证明该方法可提高归纳式和传导式链接预测结果，并在只有很少的三元组的低资源情况下获得更好的性能。

    Jan, 2022

  • 利用实体邻居和深度记忆网络的知识图谱嵌入

    本文提出了一种称为实体邻居的新型附加信息，并使用深度记忆网络模型编码邻居信息。通过引入门控机制，结构和邻居的表征被整合成一个联合表征，实现了知识图谱嵌入（KGE）技术中实体表示的最新技术性能。

    Aug, 2018

  • 猴子生意：强化学习遇到邻域搜索用于虚拟网络嵌入

    本文提出了一种新的虚拟网络嵌入算法 NEPA，该算法与 NRPA 和邻域搜索相结合，通过 “猴子式” 的跳跃方式学习并改进嵌入决策，并在真实和合成拓扑上取得比其他同类算法更好的结果。

    Feb, 2022

  • 复制而不是记忆：一种用于知识图谱完成的垂直学习范式

    本文提出了 Vertical Learning Paradigm (VLP) 来解决知识图谱补全任务中跨度较大的多跳联系规则被困难隐式记忆的问题，VLP 扩展了嵌入模型，通过显式地从相关事实三元组中复制目标信息来提供额外线索，提高了其广义能力，尤其是在远程链接预测方面表现出色，同时提出了一种新的相对距离负采样技术（ReD）以进行更有效的优化。

    May, 2023

  • 具有延迟预测的多域虚拟网络嵌入算法

    本文提出了一种基于延迟预测的多域虚拟网络嵌入算法 (DP-VNE)。通过预估虚拟请求的延迟，选取候选物理节点，然后使用粒子群优化算法来优化映射过程，从而降低系统延迟。仿真结果表明，相比其他三种高级算法，本文提出的算法能够显著降低系统延迟同时保持其他指标不受影响。

    Feb, 2022

  • 协同信号：通过图神经网络利用协同参与和语义链接

    基于语义的图神经网络（SemanticGNN）是在大规模知识图谱中建模实体、语义概念、协作边和语义边，并对其进行表示学习的一种新颖的图模型，通过融合协同活动数据和丰富的语义信息提供更准确的实体相似度计算。实证实验证明所提出的模型在相似度判断任务上的性能提升达到 35%。

    Dec, 2023

  • 了解虚拟节点：过度平滑、过度压缩和节点异质性

    通过增加虚拟节点（VN）来消除层聚合的局部性限制，我们对消息传递神经网络（MPNNs）的角色和优势进行了全面的理论分析，通过过度平滑、过度压缩和敏感性分析的视角。我们提出了一种变种的 VN，具有相同的计算复杂度，可以根据图结构对不同节点进行不同程度的敏感性，这在图级任务中具有极高的效果和计算效率。

    May, 2024

  • 邻居视图增强的视觉语言导航模型

    本文提出了一种新的多模块的 Neighbor-View Enhanced Model (NvEM) 方法，通过利用相邻视图的视觉上下文信息和注意机制应对视觉和文本匹配不足的问题，并采用动作模块进行操纵指导，通过实验在 R2R 和 R4R 基准测试中展示了其效果的优越性。

    Jul, 2021