fadeGR-CSDN博客

原创（2021-AAAI）Type-augmented Relation Prediction in Knowledge Graphs

（2021-AAAI）Type-augmented Relation Prediction in Knowledge GraphsKeywords: Representation Learning摘要本文是关于知识图谱补全中的关系预测（relation prediction）。大多数现有的工作都是通过最大化观察到的三元组实例的可能性来进行补全，对实体类型信息、关系信息等本体信息的关注却不多。我们提出了一种类型增强的关系预测(TaRP)方法，其中我们将类型信息和实例级信息应用于关系预测。其中，类型信息和

2021-11-04 21:51:19 1387 2

原创（2018 -NIPS）SimplE embedding for link prediction in knowledge

（2018 -NIPS）SimplE embedding for link prediction in knowledge本文为阅读论文过程中的个人总结加上翻译内容构成。摘要介绍知识图谱，知识图谱补全（链接预测），并说明了张量分解方法（Tensor factorization approaches）对于这类问题有着显著的效果，其中正则多元分解（ Canonical Polyadic (CP)）是最早的张量分解方法，但CP是有局限性的，它学习了每个实体的两个独立的嵌入向量，而它们实际上是绑定的。我们提出

2021-10-12 20:53:35 987

原创知识图谱补全（KGC）

知识图谱补全（KGC）概念方法基于知识表示的方法基于路径查找的方法基于强化学习的方法基于推理规则的方法基于元学习的方法基于度量的方法One-Shot Relational Learning for Knowledge Graphs 2018基于优化的方法Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs 2019元学习方法：当前针对实验“元学习”的方法有很多，具

2021-10-12 19:40:44 1193

原创 2020-WWW）Relation Adversarial Network for Low Resource Knowledge Graph Completion

（2020-WWW）Relation Adversarial Network for Low Resource Knowledge Graph Completion基于关系对抗网络的低资源知识图谱补全知乎详解摘要老生常谈小样本，为了解决这个问题提出了：加权关系对抗网络。利用对抗网络来从高资源关系中学习到不同但相关的低资源关系。关键：知识图谱补全、对抗转移学习、链路预测、关系提取一、介绍长尾效应以及低资源：关系抽取：远程监督方法，通过实体从句子中抽取关系效果不好。对抗转移学习

2021-10-12 19:39:23 445

原创【论文解读】（2020-EMNLP）Adaptive Attentional Network for Few-Shot Knowledge Graph Completion

【论文解读】（2020-EMNLP）Adaptive Attentional Network for Few-Shot Knowledge Graph Completion摘要最近相关研究的重点为通过学习实体的静态表示方法，而忽略他们的动态属性。本文通过自适应注意力网络：实体由自适应邻居编码器建模，来识别他们面向任务的角色引用由自适应查询感知聚合器建模，来区分他们的贡献介绍解决小样本知识图谱补全问题发展：（2018）GMatching提出尾实体预测的解决方法，为了改进引用的语义表示，利用

2021-10-12 19:30:38 1207 1

原创【论文解读】（2019-EMNLP）Tackling Long-Tailed Relations and Uncommon Entities in Knowledge Graph Completi

【论文解读】（2019-EMNLP）Tackling Long-Tailed Relations and Uncommon Entities in Knowledge Graph Completion2019 EMNLPAbstract专注于处理不常见的实体，（之前的研究都是关于不常见的关系，但在处理不常见的关系的时候常常见到不常见的实体）因此，我们提出了一种元学习框架，该框架旨在通过使用文字描述来处理小样本学习和不常见实体的不常见关系。我们设计了一个新颖的模型，以更好地从文本描述中提取关键信息。

2021-10-12 19:25:32 398

原创【解读】（2020-AAAI）Diachronic Embedding for Temporal Knowledge Graph Completion

（2020-AAAI）Diachronic Embedding for Temporal Knowledge Graph Completion基于历时嵌入的时序知识图谱补全摘要知识图(KGs)通常包含指示实体在不同时间之间关系的时间事实。由于它们的不完全性，人们提出了几种方法来根据现有的事实推断出KG的新事实——一个已知的KG完成问题。KG嵌入方法已被证明是完成KG的有效方法，但目前发展的主要是静态KG，而建立时序的KG嵌入模型是一个越来越重要的问题。在本文中，我们通过为静态模型配备一个历时的实体嵌入

2021-09-23 13:24:53 1832

原创【论文翻译】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs

【论文翻译】Meta Relational Learning for Few-Shot Link Prediction in Knowledge Graphs（基于元关系学习的小样本知识图谱链接预测） 2019年 EMNLP摘要关系预测是一种重要的知识图谱补全，基于嵌入的方法对于知识图谱关系预测很有用，但对于只有少量的有效三元组来说效果甚微。本文采取了一种元学习框架（Mate-R）来实现常见缺富有挑战性的小样本知识图谱关系预测。也就是说，通过观察少数几个有效三元组来预测一个新三元组的关系。

2021-03-04 17:27:31 1914 4

原创 PCA算法详解

摘要本文将介绍PCA算法，包括PCA算法的数学理解以及如何用代码逻辑。一、简介PCA（Principal Component Analysis，主成分分析）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。参考文章二、数学相关概念内积与投影基在线性代数中，基(basis)（也称为基底）是描述、刻画向量空间的基本工具。向量空间的基是它的一个特殊的子集，基的元素称为基向量。向量空间中任意一个元素，都可以唯一地

2021-01-13 12:51:23 9337

fadeG的博客