知识图谱
文章平均质量分 91
qaaaaaaz
这个作者很懒,什么都没留下…
展开
-
CCF-A类时序知识图谱(temporal knowledge graph)2022、2023论文整理
本文是关于如何用一种来解决的问题。时间知识图谱是一种动态的知识图谱,它包含了随着时间变化的事实。TKG补全的目的是预测缺失的事实,比如某个实体在某个时间点和另一个实体有什么关系。作者提出了两个主要的想法:(i)一个时间正则化,它鼓励模型利用不重要的参数来学习新的知识,(ii)一个基于聚类的经验回放,它通过选择性地保留一小部分过去的数据来强化过去的知识。作者在几个常用的事件中心的TKG数据集上进行了实验,证明了他们的框架在适应新事件的同时减少了灾难性遗忘。原创 2023-08-09 16:17:19 · 3338 阅读 · 6 评论 -
AAAI2023年知识图谱论文部分整理
是一篇关于如何使用图像来提高关系抽取的效果和质量的论文。关系抽取是一种从文本中识别两个实体之间的语义关系的任务,它对于知识图谱的构建和许多知识驱动的任务有很重要的作用。然而,现有的关系抽取方法主要是基于文本的,可能在社交媒体文本中表现不佳,因为这些文本缺乏上下文。同时,图像内容,如Twitter上的图片帖子,经常伴随着文本出现。利用图像内容来补充缺失的语义信息来提高性能是很直观的。最近,有些研究者引入了视觉增强的关系抽取,也称为多模态关系抽取,它旨在利用图像内容来辅助识别两个实体之间的关系。原创 2023-08-06 14:34:39 · 3272 阅读 · 0 评论 -
基于历史对比学习的时序知识图谱推理(AAAI2023)
CENET的关键思想是学习整个实体集的一个令人信服的分布,并在对比学习的框架下从历史和非历史的依赖中识别出重要的实体。许多重复的和周期性的事件只与历史实体相关联,此外对于新的事件,现有的模型很可能会忽略那些历史交互较少的实体并预测那些经常与其它事件交互的错误实体。传统的知识图谱是一个静态知识库,它使用图结构的数据拓扑,以三元组(s,p,o)的形式集成时间,s是主体实体,o是对象实体,p是一个关系类型。在有监督的对比学习中包括俩个阶段,引入Iq来表示缺失的对象是否在历史实体中,1的话就是在,0就是不在。原创 2023-08-05 21:24:06 · 948 阅读 · 4 评论