关键词knowledge graph entity typing
搜索结果 - 3
- ACL知识图谱实体类型的语义和结构知识整合
本文提出了一种新颖的 SSET(Semantic and Structure-aware KG Entity Typing)框架,通过结合结构知识和语义知识,以及利用两种模块的推理结果生成鲁棒性较强的类型预测,显著优于现有的最先进方法。
- EMNLP知识图谱上的实体类型的多视角对比学习
本文介绍了一种名为多视图对比学习的知识图谱实体类型推断方法,它将聚类提供的粗粒度知识编码到实体和类型嵌入中,并通过多个模块实现结构化信息的编码、不同视角的对比学习以及缺失实体类型的推断。实验证明了该方法相对于现有的最优方法具有较强的性能。
- AsyncET: 带有辅助关系的知识图谱实体类型异步学习
知识图谱实体类型(KGET)是一项用于预测知识图谱(KG)中缺失实体类型的任务。我们通过引入多个辅助关系来提高 KG 嵌入方法的表达能力,将相似的实体类型分组以减少辅助关系的数量,并改进不同粒度实体类型模式的建模能力。我们提出了 Async