论文浅尝 | Open world Knowledge Graph Completion

最新推荐文章于 2023-05-31 16:43:16 发布
VIP文章 最新推荐文章于 2023-05-31 16:43:16 发布
阅读量5.6k 收藏 9
点赞数 1
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/tgqdt3ggamdkhaslzv/article/details/79224178
版权

来源：AAAI2018

论文链接：https://arxiv.org/pdf/1711.03438.pdf

代码链接：https://github.com/bxshi/ConMask


本文解决知识库补全的问题，但和传统的 KGC 任务的场景有所不同。以往知识库补全的前提是实体和关系都已经在 KG 中存在，文中把那类情况定义为 Closed-World KGC。从其定义可以发现它是严重依赖已有KG连接的，不能对弱连接有好的预测，并且无法处理从 KG 外部加入的新实体。对此这篇文章定义了 Open-World KGC，可以接收 KG 外部的实体并链接到 KG。论文提出的模型是 ConMask，ConMask 模型主要有三部分操作：


（1）  Relationship-depend

最低0.47元/天 解锁文章
开放知识图谱
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
KG-BERT: BERT for Knowledge Graph Completion
weixin_44466434的博客
06-20 325
1
Knowledge Graph Completion A Review.pdf
03-03
Knowledge Graph Completion A Review.pdf
Learning Sequence Encoders for Temporal Knowledge Graph Completion.pdf
03-29
Learning from positive and unlabeled data or PU learning is the setting where a learner only has access to positive examples and unlabeled data. The assumption is that the unlabeled data can contain both positive and negative examples. This setting has attracted increasing interest within the machine learning literature as this type of data naturally arises in applications such as medical diagnosis and knowledge base completion. This article provides a survey of the current state of the art in PU learning. It proposes seven key research questions that commonly arise in this field and provides a broad overview of how the field has tried to address them
Knowledge Graph Embedding.pptx
09-18
A basic description of knowledge graph embedding models.
knowledge graph
04-12
knowledge graph
NELL-995 知识图谱 数据集
03-28
Format of the dataset raw.kb: the raw kb data from NELL system kb_env_rl.txt: we add inverse triples of all triples in raw.kb, this file is used as the KG for reasoning entity2vec.bern/relation2vec.bern: transE embeddings to represent out RL states, can be trained using TransX implementations by thunlp tasks/: each task is a particular reasoning relation tasks/${relation}/*.vec: trained TransH Embeddings tasks/${relation}/*.vec_D: trained TransD Embeddings tasks/${relation}/*.bern: trained TransR Embedding trained tasks/${relation}/*.unif: trained TransE Embeddings tasks/${relation}/transX: triples used to train the KB embeddings tasks/${relation}/train.pairs: train triples in the PRA format tasks/${relation}/test.pairs: test triples in the PRA format tasks/${relation}/path_to_use.txt: reasoning paths found the RL agent tasks/${relation}/path_stats.txt: path frequency of randomised BFS
Knowledge_Graph_Reasoning_Papers:必读的知识图推理论文
04-29
知识图推理论文 主要由，并维护。 感谢GitHub上所有杰出的贡献者！ 内容 4.1基于路径的查询 4.2复杂逻辑查询 4.3复杂自然语言查询 5.基准与评估 致谢 1.调查文件 评论：知识图上的知识推理。 陈晓军，贾胜斌，杨翔。 具有应用程序的专家系统。 纸 2.多跳推理 2.1实体预测 预测丢失的尾部实体和相应的支撑路径为三分之一。 （h，r，？）->（h，r，t） 散步并到达答案：使用强化学习对知识库中的路径进行推理。 拉贾尔·达斯（Rajarshi Das），谢赫扎德·杜利亚瓦拉（Shehzaad Dhuliawala），曼齐尔·扎海尔（Manzil Zaheer），卢克·维尔尼斯（Luke Vilnis），伊桑·杜鲁格卡（Ishan Durugkar），阿克舍·克里希那穆提（Alexs Smola），安德鲁·麦卡勒姆（Andrew McCallum）。 ICLR 20
KG-BERT: BERT for Knowledge Graph Completion 2019ACL
失眠的树的博客
05-31 1024
把BERT用在知识图谱补全上提出KG-BERT模型，在预训练好的BERT基础上继续fine-tuning。
【预训练语言模型】KG-BERT: BERT for Knowledge Graph Completion
夏栀的博客
12-31 5805
【预训练语言模型】KG-BERT: BERT for Knowledge Graph Completion 核心要点： 知识图谱是不全的，先前的补全方法只是考虑稀疏的结构信息，忽略了上下文的文本信息； 将实体、关系和三元组是为序列，并将知识图谱补全的任务视作序列分类任务； 简要信息： 序号 属性 值 1 模型名称 MT-DNN 2 发表位置 ACL 2019 3 所属领域 自然语言处理、预训练语言模型 4 研究内容 预训练语言模型、多任务学习 5 核心内容 Multi-t
KG-BERT for Knowledge Graph Completion 笔记
weixin_44283836的博客
10-22 3205
Abstract 1、采用预训练的语言模型BERT来补全知识图谱 2、将知识图谱中的三元组视为文本序列，并提出新框架KG-BERT 3、方法：用三元组的实体描述和关系描述作为输入，利用KG-BERT语言模型计算三元组的评分函数 资料查阅: 预训练语言模型 PLMs：预训练模型就意味着先学习人类的语言知识，然后再代入到某个具体任务。 1）基于大规模文本，预训练得出通用的语言表示；2）通过微调的方式，将学习到的知识传递到不同的下游任务 预训练模型的三个关键技术：①Transformer ②自监督学习 ③微调 I
基于变量推理的知识图路径推理分析
qq_43111389的博客
07-22 1303
知识图推理提高了图结构特征的感知能力，提高了模型精度，增强了模型学习和推理能力。本文提出了一种新的基于变分推理发散自动编码器（DIVa）模型的GraphDIVa模型。分析了模型的网络结构和计算过程。将图形图像算法引入路径推理模块，以解决原始模型无法感知图形结构的特征，从而导致准确率下降的问题。因此，GraphDIVA可以通过更少的学习迭代实现更高的准确率。...
TuckER：Tensor Factorization for Knowledge Graph Completion.pdf
08-09
Knowledge graphs are structured representations of real world facts. However, they typically contain only a small subset of all possible facts. Link prediction is a task of inferring missing facts ...
An Open-World Extension to Knowledge Graph Completion Models 论文笔记
还有很长很长的路
12-15 1171
OWE-2019 A Open-World Extension of KGC Models 2019年 AAAI Technical Track: Knowledge Representation and Reasoning Introduction 在问答系统、信息抽取、检索等方面，知识图谱是 #disambiguation 和 #discover 的重要来源。 众所周知，知识图谱能...
ConMask: Open-World Knowledge Graph Completion
记录学习历程
05-06 777
引入一个名为ConMask的开放世界KGC模型，该模型学习实体名称和部分文本描述的嵌入，将看不见的实体连接到KG。为了减少嘈杂文本描述的存在，ConMask使用依赖关系的内容掩码来提取相关片段，然后训练全卷积神经网络，将提取的片段与KG中的实体融合。
论文浅尝 | Hybrid Transformer Fusion for Multimodal KG Completion
开放知识图谱
11-30 1124
笔记整理：陈子强，天津大学硕士，研究方向为自然语言处理论文链接：https://arxiv.org/pdf/2205.02357.pdf动机尽管多模态知识图谱补全较单模态知识图谱补全已经有了很大的改进，但仍然存在两个限制。（1）架构的通用性。不同的多模态知识图谱补全需要在不同的编码器架构之上建立特定的、单独参数化的融合模块。因此需要一个统一的模型用于各个多模态知识图谱补全任务。（2）模态噪声。当前...
知识图谱最新权威综述论文解读：知识图谱补全部分
ngl567的博客
06-10 3495
上期我们介绍了2020年知识图谱最新权威综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》的知识表示学习部分，本期我们将一起学习这篇论文的知识图谱补全部分。 论文地址： https://arxiv.org/pdf/2002.00388.pdf​arxiv.org 由于知识图谱的不完整性，知识图谱补全可以用来向知识图谱中添加新的三元组。典型的知识图谱补全子任务包括链接预测，实体预测和关系预.
Few-Shot Knowledge Graph Completion
记录学习历程
05-25 1033
以往的KGC认为每个关系有足够的实体对可以进行学习，但在实际数据集中，关系的频率分布往往有长尾，在KG中，很大一部分关系只有很少的实体对，因此如何处理实体对有限的关系是有挑战的。通过关注权αi考虑了异构关系邻居的不同影响，并利用实体ti和关系ri的嵌入来计算αi。最后损失函数结合实体对查询和参考集嵌入之间的相似性，以及第二步计算参考集嵌入的重构损失；作者通过聚合参考集Rr中所有实体对的表示来产生Rr的的嵌入。Qr是关系r的所有查询对的集合。T步处理后的最后一层的隐藏层状态gT是查询对的嵌入。
当BERT遇上知识图谱
热门推荐
Kaiyuan_sjtu的博客
11-06 1万+
写在前面 上篇博客理了一下一些知识表示学习模型，那今天我们来看目前最流行的BERT模型加上外部知识这个buff后到底会有怎么样的发展。其实这个思路在之前就有出现过比较有意思有效的工作，像百度的ERNIE和ERNIE2.0 以及清华的ERNIE，这些工作的介绍可以参考站在BERT肩膀上的NLP新秀们（PART I）。 KG-BERT: BERT for Knowledge Graph Complet...
论文笔记 | Open-World Knowledge Graph Completion |AAAI2018
weixin_41297561的博客
05-24 781
来源：AAAI2018 论文链接：https://arxiv.org/pdf/1711.03438.pdf 代码链接：https://github.com/bxshi/ConMask 介绍 这篇文章解决的是知识图谱补全的问题，先前的知识图谱补全模型(KGC)都是在KG的实体集合和关系集合确定的情况下预测新的连接，文中将其称为Closed-World KGC，Definition1 给出了Closed-World KGC的定义： Closed-World KGC：给定不完整知识图谱G=(E,R,T)G=(.
Text-Augmented Open Knowledge Graph Completion via Pre-Trained Language Models
最新发布
06-12
《Text-Augmented Open Knowledge Graph Completion via Pre-Trained Language Models》是一篇关于利用预训练语言模型来增强知识图谱自动补全的论文。该论文提出了一种基于文本增强的知识图谱补全方法，该方法使用预训练的语言模型对实体描述和关系描述进行编码，并将其与知识图谱中的实体和关系嵌入向量进行联合训练，以生成更好的嵌入向量。该方法还使用了一种基于标签传播的后处理方法来进一步提高补全的准确性。实验结果表明，该方法在多个知识图谱补全任务上取得了优异的性能。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值