【知识图谱系列】基于2D卷积的知识图谱嵌入

作者：CHEONG

公众号：AI机器学习与知识图谱

研究方向：自然语言处理与知识图谱

本文给大家推荐两篇知识图谱表示学习相关的论文，这两篇论文都是将传统图像中的2D卷积操作直接用到知识图谱模型中，并且取得了不错的效果。完整汇报ppt获取请关注公众号回复关键字：2D卷积知识图谱嵌入

一、Background

Knowledge 1： 二维卷积常用在计算机视觉、图像处理领域，用于处理图片数据；而一维卷积常用于序列模型，多适用于自然语言处理领域。知识图谱是非结构化数据，即不具有文本序列清晰的上下文，也不具有CNN在图像上的那种平移不变性，如何使用2D卷积进行表示学习？

Knowledge2： 如何在KB上使用二维卷积？首先Node Embedding e_s和Relation Embedding r_r都仍然使用一维向量进行表征，然后通过reshape操作分别得到e_s 和r_r的二维向量表示e ̅_s和r ̅_r，之后再在二维向量e ̅_s和r ̅_r进行二维卷积操作，最后再映射回一维表示，这就是在KB上使用二维卷积的思路。

二、Paper

三、往期精彩

【知识图谱系列】Over-Smoothing 2020综述

【知识图谱系列】基于实数或复数空间的知识图谱嵌入

【知识图谱系列】自适应深度和广度图神经网络模型

【知识图谱系列】知识图谱多跳推理之强化学习

【知识图谱系列】知识图谱的神经符号逻辑推理

【知识图谱系列】动态时序知识图谱EvolveGCN

【知识图谱系列】多关系神经网络CompGCN

【知识图谱系列】探索DeepGNN中Over-Smoothing问题

【知识图谱系列】知识图谱表示学习综述 | 近30篇优秀论文串讲

【知识图谱系列】动态知识图谱表示学习综述 | 十篇优秀论文导读

【面经系列】八位硕博大佬的字节之旅

【机器学习系列】机器学习中的两大学派

各大AI研究院共35场NLP算法岗面经奉上

干货 | Attention注意力机制超全综述

干货 | NLP中的十个预训练模型

干货|一文弄懂机器学习中偏差和方差

FastText原理和文本分类实战，看这一篇就够了

Transformer模型细节理解及Tensorflow实现

GPT,GPT2,Bert,Transformer-XL,XLNet论文阅读速递

机器学习算法篇：最大似然估计证明最小二乘法合理性

Word2vec, Fasttext, Glove, Elmo, Bert, Flair训练词向量教程+数据+源码

汇报完整版ppt可通过关注公众号后回复关键词：2D卷积知识图谱嵌入 来获得，有用就点个再看呗