知识图谱补全
文章平均质量分 91
fadeGR
热爱编程,学习技术
展开
-
(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,类型信息和原创 2021-11-04 21:51:19 · 1385 阅读 · 2 评论 -
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。对抗转移学习原创 2021-10-12 19:39:23 · 442 阅读 · 0 评论 -
【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。原创 2021-10-12 19:25:32 · 391 阅读 · 0 评论 -
【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原创 2021-09-23 13:24:53 · 1824 阅读 · 0 评论 -
【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。原创 2021-03-04 17:27:31 · 1899 阅读 · 4 评论