entity embeddings | BriefGPT

关键词entity embeddings

搜索结果 - 28

TransGCN: 将转化假设与图卷积网络相结合，用于链接预测
本文提出一种名为 TransGCN 的 GCN 框架，同时学习关系和实体嵌入，通过引入对三元组主体、关系和对象之间关系的变换假设，探索了 TransE 和 RotatE 中的旋转假设，在处理知识图谱中异构关系时比 R-GCN 模型参数更少。
PDF5 years ago
ACL基于图匹配神经网络的跨语言知识图谱对齐
该论文将主题实体图引入跨语言知识图谱对齐，通过图匹配和基于图注意力的模型来进行相似实体的匹配，实验证明该方法比现有的方法表现更好。
PDF5 years ago
基于规则特征和知识引导的卷积神经网络临床文本分类
本文提出一种新方法，将基于规则和基于知识引导的深度学习技术相结合，应用在医学自然语言处理中，以实现疾病分类，该方法包括识别触发短语、使用触发短语预测类别和使用词嵌入和 UMLS 实体嵌入来训练卷积神经网络，实验结果表明该方法优于现有技术水平
PDF6 years ago
负采样对知识图谱链接预测的影响分析
本文通过实证研究，对比了对知识图谱中实体之间关系进行无监督学习的四种嵌入模型（ escal，TransE，DistMult 和 ComplEX）使用不同负采样方法的效果，结果发现使用不同负采样方法得到的效果差异较大，且在不同数据集上表现也各
PDF7 years ago
知进：基于深度时间推理的动态知识图谱
本文提出了一种新颖的深度进化知识网络，其可在动态知识图中学习非线性演变的实体表示，并通过多元点过程和基于学习实体嵌入的评分来建模事实（边）的发生。我们的方法在现实世界的两个大规模数据集上比各种关系学习方法都具有显著的性能改进；此外，我们的方
PDF7 years ago
使用语义嵌入进行大型图形的监督式打标
提出了一种监督算法来生成类型嵌入，该算法与给定实体嵌入集在相同的语义向量空间中工作。使用最先进的可视化技术，展示了算法在 DBpedia 本体论中的效果。最终，我们使用这些 embedding 将大约 4 百万个 DBpedia 实例概率聚
PDF7 years ago
ACL知识库实体的细粒度类型划分的多层次表示
本文研究自然语言中实体的多层表示学习方法，包括字符级、单词级和实体级。我们比较了各级别上的现有学习方法，确认每个级别的表示都提供互补信息，同时提出将三个级别的表示联合起来可以大幅度提高细粒度实体类型识别的性能，而添加实体描述信息能够进一步增
PDF7 years ago
AAAIProjE：用于知识图谱完成的嵌入投影
本文介绍了 ProjE, 通过学习知识图谱中的实体和边缘的联合嵌入，以及对标准损失函数进行微妙但重要的更改，ProjE 填补了知识图谱中的缺失信息。结果表明，ProjE 使用一个参数大小比现有的 15 种方法中的 11 个方法要小，而且表现
PDF8 years ago