Apr, 2024

逐步增强的知识图谱补全

HTML
PDF
TL;DR在这篇论文中，我们研究了与真实世界建设场景相关的三个重要过程：验证过程，挖掘过程和训练过程，并通过整合这三个过程引入了渐进式知识图谱完成（PKGC）任务，以模拟在真实世界场景中逐步完善知识图谱的过程。此外，为了加快PKGC处理，我们提出了两个加速模块：优化的Top-k算法和语义有效性过滤器，这些模块显著提高了挖掘过程的效率。我们的实验证明链接预测的性能不能准确反映PKGC的性能，更深入的分析揭示了影响结果的关键因素，并为未来的研究提供了潜在的方向。
发现论文，激发创造
  • 知识图谱补全方法的重新评估

    本文旨在探讨在大型知识图谱中自动预测缺失链接的 KGC 技术，针对最近几篇高水平论文达到的高性能，提出了一个简单的评估协议来解决模型偏差的问题，并使用该协议对几种现有方法进行了广泛的实验，同时公开了可复现的代码。

    Nov, 2019

  • 缺失的链接是否可预测? 一个知识图谱补全的推理基准

    InferWiki是一个知识图谱完成（KGC）数据集，通过利用基于规则的训练/测试生成、遵循开放世界假设以及包含不同的推理模式等方法来提高推理能力和评估模型，为知识图谱推理研究提供了高质量且必要的数据集。

    Aug, 2021

  • 时间知识图谱补全：综述

    本研究首次总结了时间知识图补全方法的研究进展，包括背景、基准数据集、评估指标以及现有方法，旨在解决静态知识图补全方法的不准确问题。未来的研究方向也在文章中提出。

    Jan, 2022

  • GreenKGC：一种轻量级的知识图谱补全方法

    本文提出了一种轻量级模块化知识图谱完成(GreenKGC)方案，该方案包含三个模块：表示学习、特征修剪和决策学习，旨在解决在获得更好推理能力的同时保持较小的模型大小。实验结果表明，GreenKGC可以在较小的模型尺寸下达到与高维嵌入方法相当甚至更好的性能，并且可以推广到更多任务中。

    Aug, 2022

  • ZeroKBC: 一项全面的零样本知识库补全基准测试

    研究知识图谱不完整问题，并提出全面的基准测试 ZeroKBC，从多维度角度探究零样本知识库完善领域的挑战和未来发展方向。

    Dec, 2022

  • 知识图谱补全的预训练框架

    本研究提出了一种简单而有效的基于网络预训练的知识图谱补全框架（NetPeace），旨在整合知识图谱中全局网络连接和本地三元组关系的信息，并在稠密的知识图谱上获得了一致且显著的提高。

    Feb, 2023

  • 重新审视知识图谱补全的推理基准

    这篇论文提出了一种新方法来设计知识图谱补全基准测试，并用这个方法产生了几个测试集，对现有的知识图谱补全系统进行了评估，结果提供了现有模型从不完整的知识图谱中引入推理模式的新见解。

    Jun, 2023

  • 面向知识图谱补全的语义增强嵌入

    基于嵌入式知识图谱（KG）完成已经引起了人们的广泛关注，通过生成KG嵌入，讨论了不同类型的KG完成算法，包括链路预测、实体类型预测算法以及利用KG和大型语言模型（LLM）的算法，最后讨论了不同描述逻辑公理所表达的语义，并提出了对当前工作的批判性反思和未来方向的建议。

    Jul, 2023

  • 基于大型语言模型的多角度知识图谱补全方法改进

    MPIKGC是一个通用框架，利用大型语言模型从不同的角度查询以补偿环境化知识的不足，改进了基于描述的知识图补全方法，扩展了实体描述，理解关系，并提取结构，通过四种基于描述的知识图补全模型和四个数据集进行了广泛评估，适用于链接预测和三元组分类任务。

    Mar, 2024

  • 可插拔的常识增强知识图完成框架

    本研究解决了现有知识图完成（KGC）方法依赖于事实三元组，导致结果可能与常识不符的问题。提出了一种可插拔的常识增强框架，该框架能够从事实三元组自动生成显式或隐式常识，并在多个KGC任务中表现出良好的可扩展性和性能。此方法可与多种知识图嵌入模型集成，促进常识与事实驱动的共同训练和推理。

    Oct, 2024