【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

图片


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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述



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

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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