知识图谱论文

最新推荐文章于 2024-08-10 07:59:31 发布

FocusOneThread

最新推荐文章于 2024-08-10 07:59:31 发布

阅读量5.3k

点赞数

分类专栏：自然语言处理文章标签：知识图谱

本文链接：https://blog.csdn.net/guotong1988/article/details/51816847

版权

自然语言处理专栏收录该内容

166 篇文章 4 订阅 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文探讨了知识图谱的表示学习方法，包括基于张量分解和基于翻译的模型，如TransE, TransH, TransR等。同时，提到了利用神经网络进行知识图谱推理和完成的技术，并介绍了结合文本描述的语义空间投影方法。此外，还提及了知识库的结构化嵌入和概率知识融合的大型数据集Freebase。" 115410328,7521502,高中学历转行大数据：谨慎选择，权衡利弊,"['数据可视化', '大数据', '转型案例', '学习路径', '职业规划']

摘要由CSDN通过智能技术生成

基于张量分解的知识图谱表示学习：
Large-scale factorization of type-constrained multi-relational data
Querying factorized probabilistic triple databases
Logistic tensor factorization for multi-relational data
Reducing the rank in relational factorization models by including observable patterns

基于翻译的知识图谱表示学习
Translating embeddings for modeling multi-relational data(TransE)
Knowledge Graph Embedding by Translating on Hyperplanes (TransH)
Learning Entity and Relation Embeddings for Knowledge Graph Completion(TransR)
Knowledge graph embedding via dynamic mapping matrix(TransD)
Knowledge graph completion with adaptive sparse transfer matrix(TransSparse)
Learning to represent knowledge graphs with gaussian embeddings(KG2E)