Knowledge Graph Embedding: A Survey of Approaches and Applications (2)

已于 2023-06-08 15:37:38 修改
阅读量677 收藏 3
点赞数
CC 4.0 BY-SA版权
分类专栏： Survey Paper Knowledge Graph 文章标签： 知识图谱 人工智能
于 2022-09-26 20:56:35 首次发布
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/c_cpp_csharp/article/details/127060791
本文详细介绍了知识图谱嵌入技术在链接预测、三元组分类、实体分类和实体解析等KG内应用，以及关系抽取、问答和推荐系统等KG外应用。通过学习的实体和关系嵌入，这些技术能应用于多个下游任务，如预测未知关系、验证三元组真实性、实体分类和关系抽取。同时，KG嵌入也在问答和推荐系统中展现出价值，提高了这些系统的性能。

本文是对知识图谱相关文章阅读翻译，《Knowledge Graph Embedding: A Survey of Approaches and Applications》。

Knowledge Graph Embedding: A Survey of Approaches and Applications

5 下游任务的应用

在系统回顾了当前可用的KG嵌入技术之后，本节探讨了如何将学习到的实体和关系嵌入应用于多种下游任务并从中受益。我们将这些任务分为（i）KG内应用程序和（ii）KG外应用程序，讨论如下。

5.1 KG内应用

KG中的应用是在KG范围内进行的，其中实体和关系嵌入都是通过学习的。我们介绍了四种这样的应用，即链路预测、三重分类、实体分类和实体解析，这些在文献中得到了广泛的研究。所有这些应用都是从不同的角度和应用上下文对输入KG的各种细化（例如，完成或消除重复）。

5.1.1 链接预测

链接预测通常被称为预测与另一给定实体具有特定关系的实体的任务，比如给定 ( r , t ) (r,t) (

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Knowledge Graph Embedding: A Survey of Approaches and Applications (1)
c_cpp_csharp的专栏
09-26 630
本文是对知识图谱相关文章阅读翻译，《Knowledge Graph Embedding: A Survey of Approaches and Applications》。 Knowledge Graph Embedding: A Survey of Approaches and Applications摘要1. 引言2. 符号3. KG嵌入只包含事实3.1 平移距离模型3.1.1 TransE和它的扩展3.1.2 高斯嵌入3.1.3 其他距离模型3.2 语义匹配模型3.2.1 RESCAL和它的扩展3.2
Graph Neural Networks: A Review of Methods and Applications（图神经网络：方法与应用综述）
weixin_41697507的博客
07-06 5846
Graph Neural Networks: A Review of Methods and Applications Jie Zhou , Ganqu Cui , Zhengyan Zhang , Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun Abstract—Lots of learning tasks req...
《knowledge graph embedding：a survey of approaches and applications》论文阅读
ptxx_p的博客
10-18 1145
发表于TKDE 2017。 knowledge graph embedding：a survey of approaches and applicationsabstract1. introduction2. notations3. KG embedding with facts alone3.1 translational distance models3.1.1 TransE and Its Extensions3.1.2 gaussian embeddings3.1.3 other distance
Knowledge Graph Embedding: A Survey of Approaches and Applications 摘要
agjirowjtg的博客
02-18 3693
想看原文戳这里 1. introduction (1) the definition of KG A KG is a multi-relational graph composed of entities (nodes) and relations (different types of edges). (2) examples Freebase, DBpedia, YAGO, NELL...
Knowledge Graph Embedding: A Surveyof Approaches and Applications（未完）
最新发布
qq_62768027的博客
09-11 305
TransE：将关系和实体向量化，利用h+r=t但是TransE存在1-N或者N-1的对应问题，eg：一个人导演的电影，h（导演）+r（Direact）=很多电影，这样很多电影的实体都被表示为同一个向量，但他们是不同的实体。TransH：以关系r构造超平面找到垂直于r的单位向量，然后将实体h=h-(wr*h)wr，点乘之后得到投影到超平面向量的长度然后再乘以该向量方向的单位向量，关系r平移到超平面上，他们还是在一个空间内。TransR：实体和关系分别属于不同的空间通过矩阵变换到关系空间中。
Knowledge Graph Embedding: A Survey of Approaches and Applications【翻译】
foochane
11-17 4708
原文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8047276 论文名称：Knowledge Graph Embedding: A Survey of Approaches and Applications 作者：Quan Wang , Zhendong Mao , Bin Wang, and Li Guo 摘要 知识图(...
翻译 Knowledge Graph Embedding：A Survey of Approaches and Applications
mohen_777的博客
07-05 167
​ 知识图谱是一种包含了实体(Entity)和关系(Relation)的三元组，在语义解析、命名实体消解，信息抽取和自动问答中有广泛的应用。​ 知识图谱嵌入知识图谱研究的子方向，其目标是将知识图谱中的实体和关系嵌入到一个连续的向量空间中，而得到的这些嵌入向量可以被用在很多知识图谱的子任务中，比如知识图谱补全。​ 现有的很多嵌入技术都是基于观测到的事实(即实体-关系-实体这样一个三元组)进行的，对于一个给定的KG，会首先将实体和关系都表示在一个连续的向量空间中，然后定义一个打分函数来衡量每一个事实的合理
Knowledge Graph Embedding with Hierarchical Relation Structure
12-22
Knowledge Graph Embedding with Hierarchical Relation Structure 阅读报告
每周论文清单：知识图谱，文本匹配，图像翻译，视频对象分割
Paper weekly
12-27 2024
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。这是 PaperDaily 的第 31 篇文章[ 自然语言处理 ]Knowledge Graph Embedding: A Survey of Approaches and App
「知识表示学习」专题论文推荐 | 每周论文清单
Paper weekly
02-05 1566
本期论文清单来自清华大学博士生韩旭和北师大本科生曹书林，涵盖了近年知识表示学习方向的重要论文。[ 综述类 ]■ 论文 | Representation Learning: A Review and New Perspectives■ 链接 | https://www.paperweekly.site/papers/1628■ 源码 | 无■ 论文 | Knowledge Representatio
Knowledge Graph表示学习--TransE系列
hy_jz的博客
01-01 1万+
知识图谱（Knowledge Graph or KG），如： Free Base、DBpedia、YAGO、NELL等已经成功地应用到语义分析、信息抽取、问答系统等方面。知识图谱是由实体（entity）和关系（relations: 不同类型的边）构成的多关系图。每一条边都以三元组的形式呈现（head entity, relation, tail entity），这也叫做fact。 KG Embed
知识图谱经典方法 Knowledge Graph Embedding：从TransE，TransH到TransR
给我也整一个
11-05 6654
1.背景 KG Embedding可以建立实体到实体的关联。
[转发]知识图谱 （Knowledge Graph） 专知 荟萃
richgene的博客
05-28 1万+
知识图谱 （Knowledge Graph） 专知 荟萃入门学习大规模知识图谱技术 王昊奋 华东理工大学[http://history.ccf.org.cn/sites/ccf/xhdtnry.jsp?contentId=2794147245202][https://pan.baidu.com/s/1i5w2RcD]知识图谱技术原理介绍 王昊奋[http://www.36dsj.com/archi...
深度CTR之Graph Embedding：阿里电商推荐中亿级商品的Graph Embedding
数据之美的博客
02-29 2833
文章目录介绍框架基于用户历史行为的 Item Graph的构建基本的Graph Embedding使用辅助信息的Graph Embedding使用辅助信息的增强型Graph Embedding实验离线评估在线A/B测Case Study系统部署和操作总结和未来展望 介绍 阿里巴巴团队发表于KDD 2018，阿里的推荐系统是按照mathching + ranking的两步策略，本问是解决的match...
从图嵌入到图分类——图网络入门综述
AIGC Studio：分享AIGC前沿知识和好玩应用，公众号同名。
11-03 2421
原文链接：https://medium.com/octavian-ai/how-to-get-started-with-machine-learning-on-graphs-7f0795c83763 从图嵌入到图分类——图网络入门综述 2019-05-19 12:33 导语 现实世界中的大量问题都可以抽象成图模型（Graph Model），也就是节点和连边的集合。从知识图谱到概率图模...
论文笔记：Graph embedding techniques, applications, and performance: A survey
qq_35771020的博客
03-17 2355
一、基本信息 论文题目：《Graph embedding techniques, applications, and performance: A survey》 发表时间： 论文作者及单位： 论文地址：https://www.sciencedirect.com/science/article/pii/S0950705118301540 二、摘要 图形，例...
知识图谱综述论文阅读
徐奕的专栏
05-21 4581
论文摘要 论文为A Survey on Knowledge Graphs: Representation, Acquisition and Applications，发表日期2020年，论文PDF，点击链接。 代表实体间结构关系的知识图谱已成为认知和人类智能研究的一个日益流行的方向。在这篇论文中，作者对知识图谱进行了全面的回顾，涵盖了1)知识图谱表示学习、2)知识获取和补全、3)时序知识图谱、4)知识感知应用等方面的研究主题，并总结了最近的突破和未来的研究方向。作者对这些主题进行全视图分类。知识图谱嵌入从表
推荐系统初学者系列（8）-- Graph Embedding（网络嵌入表示）做Top-K推荐
热门推荐
私人天地
06-29 1万+
上一篇：Surprise库做Top-K推荐
graph neural networks: a review of methods and applications
03-16
图神经网络：方法和应用综述 图神经网络是一种基于图结构的深度学习模型，它可以对图数据进行建模和预测。本文综述了图神经网络的各种方法和应用，包括图卷积网络、图注意力网络、图自编码器等。...
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

打赏作者

UnknownBody

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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