![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 87
勤劳的复读机
人类的本质是?
展开
-
论文阅读 Modeling Relational Data with Graph Convolutional Networks
Modeling Relational Data with Graph Convolutional Networks使用图卷积网络建模关系数据发表于 [stat.ML] 26 Oct 2017摘要:知识图支持各种各样的应用,包括回答问题和信息检索。尽管在它们的创建和维护上投入了巨大的努力,即使是最大的(例如Yago、DBPedia或Wikidata)也仍然不完整。我们引入了关系图卷积网络(R-GCNs),并将其应用于两个标准知识库完成任务:链接预测(恢复缺失事实,即主体-谓词-对象三元组)和实体分类原创 2021-11-28 17:43:35 · 766 阅读 · 0 评论 -
论文阅读 DistMult
EMBEDDINGENTITIES ANDRELATIONS FORLEARNING ANDINFERENCE INKNOWLEDGEBASES在知识库中嵌入学习和推理的实体和关系发表于 conference paper at ICLR 2015摘要:我们使用神经嵌入方法来考虑KBs中实体和关系的学习表示。我们表明,大多数现有模型,包括NTN 和TransE ,可以在统一的学习框架下推广,其中实体是从神经网络学习到的低维向量,关系是双线性和(或)线性映射函数。在此框架下,我们比较了各种嵌入模型对链接原创 2021-11-27 16:58:31 · 2503 阅读 · 0 评论 -
论文阅读 RESCAL
Factorizing YAGO Scalable Machine Learning for Linked Data关联数据的可扩展机器学习分解发表于 WWW 2012 – Session: Creating and Using Links between Data Objects摘要:语义Web的链接开放数据(LOD)云中已经发布了大量的结构化信息,而且它们的规模仍在快速增长。然而,由于LOD的大小、部分数据不一致和固有的噪声,很难通过推理和查询访问这些信息。本文提出了一种高效的LOD数据关系学习方原创 2021-11-27 16:57:52 · 2998 阅读 · 0 评论 -
论文阅读 Regarding neural network parameters as relation embeddings for knowledge graph completion
Regarding neural network parameters as relation embeddings for knowledge graph completion关于神经网络参数作为知识图完成的关系嵌入发表于:The Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-20)摘要:我们研究知识图中学习实体和关系嵌入的任务,以预测缺失的链接。先前关于链接预测的平移模型利用平移特性但缺乏足够的表达能力,而基于卷积神经原创 2021-11-26 15:20:03 · 551 阅读 · 0 评论 -
论文阅读 Knowledge Graph Embedding via Graph Attenuated Attention Networks
Knowledge Graph Embedding via Graph Attenuated Attention Networks基于图衰减注意网络的知识图嵌入发表于 Digital Object Identifier 10.1109/ACCESS.2019.2963367摘要:知识图包含丰富的现实世界的知识,可以为人工智能应用程序提供强有力的支持。知识图的补全已经取得了很大的进展,最先进的模型是基于图卷积神经网络的。这些模型自动提取特征,结合图形模型的特征,生成具有较强表达能力的特征嵌入。但是,这些原创 2021-11-24 14:54:00 · 1081 阅读 · 0 评论 -
论文阅读 Learning Knowledge Graph Embedding with Entity Descriptions based on LSTM Networks
Learning Knowledge Graph Embedding with Entity Descriptions based on LSTM Networks基于LSTM网络的实体描述学习知识图嵌入发表于:2020 IEEE | DOI: 10.1109/ISPCE-CN51288.2020.9321857摘要:知识推理和知识预测被广泛应用于对产品安全至关重要的智能故障诊断中。大多数学习型知识图嵌入方法都是通过翻译嵌入模型,只使用知识图的事实三元组来表示实体和关系,而没有在实体描述中集成丰富的语原创 2021-11-22 14:55:34 · 635 阅读 · 2 评论 -
论文阅读 Learning Knowledge Graph Embedding With Heterogeneous Relation Attention Networks
Learning Knowledge Graph Embedding With Heterogeneous Relation Attention Networks基于异构关系注意网络的学习知识图嵌入发表于:IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS 2021摘要:知识图谱(KG)嵌入的目的是研究知识图的嵌入表示,以保持知识图的固有结构。图神经网络(GNNs)作为一种有效的图表示技术,在学习图嵌入方面表现出了令人印象深刻的性能。然而原创 2021-11-21 15:30:39 · 1584 阅读 · 4 评论 -
论文阅读 Learning graph attention-aware knowledge graph embedding
Learning graph attention-aware knowledge graph embedding 学习图注意感知知识图嵌入发表于:Neurocomputing 461(2021)摘要:知识图是一种利用图结构来表示多关系数据的知识图,在推理和预测任务中得到了广泛的应用,近年来引起了广泛的研究。然而,现有的研究大多集中在直接直观地学习知识图嵌入,而没有潜移默化地考虑知识的语境。具体地说,最近的模型独立地处理每一个单一的三元组,或者不加区别地考虑上下文,这是片面的,因为每个知识单元(即三元组)原创 2021-11-20 15:28:40 · 576 阅读 · 0 评论