知识图谱表示学习
参考资料:
- https://www.cnblogs.com/sybil-hxl/p/12767516.html
- https://www.cnblogs.com/jtianwen2014/p/7018872.html
- https://zhuanlan.zhihu.com/p/103414766
知识图谱表示学习
- 保留结构信息的基础上强调关系和头尾关系;
- 强调的是节点和关系的表示,节点和关系同样重要;
- 往往指明了关系,比如水果和猕猴桃之间是所属关系。知识图谱表示学习中常常提到的一个概念就是三元组(头实体,关系,尾实体)
- 关系不再是单关系,而是多种关系,之前的方法不适用,出现了一些知识图谱表示学习的方法;
- 知识图谱的表示前提需要一个知识图谱,现在很多研究都用到了开源的知识图谱,也有不少人在自己搭建相关领域的知识图谱。知识图谱需要有实体和关系。
- 知识图谱表示算法:trans系列的算法,什么是TransE,TransR,TransH…它们都是将图谱表示成大量的三元组,通过三元组刻画实体和关系的向量表示。
知识图谱的推理方法
- 单步推理(直接关系,没有考虑路径特征)
- 多步推理(间接关系,考虑路径特征)
- 在单步推理和多步推理中主要包括4个研究方向:
* 基于传统的规则推理
* 基于分布式表示推理
* 基于神经网络的推理
* 基于上述方法的混合推理。
在每个研究方向又

本文探讨了知识图谱表示学习的重要性,强调在保留结构信息的同时关注关系和头尾实体。介绍了一系列Trans系列的算法,如TransE、TransR、TransH等,并概述了知识图谱的推理方法,包括单步和多步推理,以及基于规则、分布式表示、神经网络和混合方法的推理方向。此外,还提到了一些挑战和潜在的研究方向,例如结合随机游走模型和嵌入式表示学习的效率与准确性。
最低0.47元/天 解锁文章
1276

被折叠的 条评论
为什么被折叠?



