关键词large-scale knowledge graphs
搜索结果 - 4
- 不确定知识图上的软推理
该研究通过考虑不确定性知识进一步推进基于机器学习的逻辑查询回答的研究,并提出了一种基于机器学习的方法以回答大规模、不完整和不确定的知识图上的软查询。
- AWAPart:适应工作负载的知识图谱分区
本篇文章提出了一种自适应分区方法,可应对大规模知识图谱中查询工作量变化的需求,通过动态适应知识图谱三元组的分区,可以提高查询处理时间的性能。
- 基于自我图信息最大化的图神经网络迁移学习
该研究提出了一种基于理论基础和实用性的 GNN 传递学习框架,首先提出了一种新颖的图信息视图,并提出通过 EGI (Ego-Graph Information maximization) 来分析实现传递学习目标,其次,当节点特征是结构相关的 - EMNLPDeepPath: 知识图谱推理的强化学习方法
本文提出了一种基于强化学习的多跳关系路径学习框架,利用知识图谱嵌入、采样方式和奖励函数提高路径推理的精度、多样性和效率,并在 Freebase 和 Never-Ending Language Learning 数据集上展示了其优异性能。