知识图谱-KGE(Knowledge Graph Embedding)：概述【将知识图谱中的实体、关系进行Embedding表示】【KGE下游应用任务：链接预测、实体分类、KGQA、推荐系统】

已于 2024-02-14 22:35:51 修改
阅读量1.4k 收藏 2
点赞数
分类专栏： 知识图谱（Knowledge Graph） 文章标签： 知识图谱 人工智能
于 2022-09-06 18:33:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013250861/article/details/126730851
版权

一、KGE简介

知识图谱嵌入(Knowledge Graph Embedding, KGE)学习知识库中的实体和关系的Embedding表示，是语义检索、知识问答、推荐等众多应⽤的基础研究。

在具体了解KGE之前，我们先来看知识图谱是什么，为什么又要做知识图谱嵌入呢。

如下图所示，知识图谱是由大量的事实三元组组成，如（英国, 首都, 伦敦）便是真实世界中的知识，可用 ( h , r , t ) (h,r,t) (h,r

了解本专栏 订阅专栏 解锁全文 超级会员免费看
u013250861
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
RotatE：Knowledge Graph Embedding by Relational Rotation in Complex Space.pdf
08-09
We study the problem of learning representations of entities and relations in knowledgegraphsforpredictingmissinglinks. Thesuccessofsuchataskheavily relies on the ability of modeling and inferring the patterns of (or between) the relations. Inthispaper,wepresentanewapproachforknowledgegraphembedding called RotatE, which is able to model and infer various relation patterns including: symmetry/antisymmetry,inversion,andcomposition. Specifically,theRotatE modeldefineseachrelationasarotationfromthesourceentitytothetargetentity inthecomplexvectorspace. Inaddition,weproposeanovelself-adversarialnegativesamplingtechniqueforefficientlyandeffectivelytrainingtheRotatEmodel. Experimentalresultsonmultiplebenchmarkknowledgegraphsshowthattheproposed RotatE model is not only scalable, but also able to infer and model various relation patterns and significantly outperform existing state-of-the-art models for link prediction.
Knowledge Graph Embedding with Hierarchical Relation Structure
12-22
Knowledge Graph Embedding with Hierarchical Relation Structure 阅读报告
知识图谱嵌入(Knowledge Graph Embedding)
爱学习爱运动的专栏
02-08 477
知识图谱嵌入
knowledge graph embedding---Trans全家桶
cobracanary的博客
08-15 509
知识图谱（knowledge graph）是一种具有多种节点类型和多种连接关系的网络，因为其可以表示现实世界中丰富的关系而得到重视，从知识图谱中挖掘出有用的信息称为研究的一个热点。但是目前绝大多数数据挖掘的方法处理的输入都是向量空间，无法在图上进行数据挖掘，因此，将图的节点与关系使用向量的形式表示——这就是embedding的含义。图经过embedding之后，可以使用很成熟的数据挖掘方法进行处理。把图空间映射到向量空间的这个过程叫做图的表示学习。下图就是将网络中的节点嵌入到一个二维的向量中，从而使用经典机
知识图谱经典方法 Knowledge Graph Embedding：从TransE，TransH到TransR
给我也整一个
11-05 6356
1.背景 KG Embedding可以建立实体到实体的关联。
知识图谱中的embedding：entity prediction、link prediction（TransE&RTransE）
ty44111144ty的博客
08-10 3849
博文原地址：知识图谱中的embedding：entity prediction、link prediction，现在搬到CSDN上 欢迎关注我的公众号，微信搜algorithm_Tian或者扫下面的二维码~ 现在保持每周更新的频率，内容都是机器学习相关内容和读一些论文的笔记，欢迎一起讨论学习~ embedding系列真的是很多呀~今天又是另一个与embedding相关的领域：知识图谱...
KGE-HAKE:The code of paper Learning Hierarchy-Aware Knowledge Graph Embeddings for Link Prediction. Zhanqiu Zhang, Jianyu Cai, Yongdong Zhang, Jie Wang. AAAI 2020
05-15
HAKE：层次结构感知知识图嵌入这是用于链接预测的书面学习层次感知知识图嵌入的代码。 张占秋，蔡建宇，张永东，王杰。 依存关系Python 3.6+ 1.0+结果在WN18RR ， FB15k-237和YAGO3-10上的HAKE和基线模型ModE的结果...
KGE:关于知识图嵌入（KGE）的一些论文
05-13
凯格关于知识图嵌入（KGE）的一些论文感谢您的关注和客气话！ 我们将在以后更新KGE。 欢迎通过电子邮件加入我们的小型WeChat小组，以学习和谈论KGE。内容图书馆LibKGEOpenKEPyKEENPykg2vecGraphViteScikit-...
基于知识图谱的问答系统，结合MetaQA知识图谱，用于解决电影领域的问答问题
最新发布
05-07
【作品名称】：基于知识图谱的问答系统，结合MetaQA知识图谱，用于解决电影领域的问答问题 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目...
pykg2vec:用于知识图嵌入和表示学习的Python库
05-14
Pykg2vec是一个库，用于学习在PyTorch 1.5之上构建的知识图中实体和关系的表示（TF2版本在分支中也可用）。 我们试图将最先进的知识图嵌入（KGE）算法和知识图嵌入任务流水线中的必要构造块引入一个库中。 对于希望...
简单实现几篇知识图谱嵌入(Knowledge Graph Embedding，KGE)模型
xhsun的博客
11-07 8125
两个问题 KGE可以用来做什么？ KGE的诸多方法？ 下面来聊聊上面提出的两个问题 KGE可以用来做什么？ 知识图谱KG，特别是开放域知识图谱，一定是不完整的，因为不可能穷举所有实体，而实体之间的各种关系也不可能都一一存在。 连接预测(link prediction)任务，也叫知识图谱补全。就是利用当前KG中的实体和关系去推理出新的实体或者关系。 比如给定(h,r,?)，其中h是头实体，r是关系，我们想知道尾实体是什么。或者给定(h,?,t)，想知道r是什么。这就是连接预测任务，目的是补全知识图谱。 有
9-Knowledge Graph Embeddings
m0_50976935的博客
09-23 295
G=(V,E,R,T)，分别代表节点，边，边类型，节点类型。
知识图谱-KGE-模型：概述【翻译模型：Trans系列】【双线性模型：DisMult、ComplEx】【神经网络模型：ConvE、CapsE】【双曲几何模型：MuRP】【旋转模型：RotatE】
u013250861的博客
11-24 1402
MuRP评分函数为 ，其中 表示在庞加莱圆盘中计算距离， 表示将庞加莱圆盘中的点映射到欧式空间， 表示对角矩阵， 表示将欧式空间中的点转移到庞加莱圆盘中， 是莫比乌斯加法，为庞加莱空间中两向量相加， 表示曲率。针对DisMult存在的问题，ComplEx把DisMult扩展到复数空间表示，并定义评分函数为 f_{r}(h,t) = Re(h^Tdiag(M_r)\bar{t}) ，其中 h, t 均用复数表示， \bar{t} 表示 t 的共轭复数，Re(\cdot) 表示取得复数的实部。
knowledge graph embedding
MagiSoraSakana的博客
10-04 220
1
GNN-CS224W:10 Knowledge Graph Embeddings
u012492756的博客
03-19 211
Heterogeneous Graph 有不止一种edge、node的graph就是Heterogeneous Graph Heterogeneous Graph可以用4元组来表示：G=(V,E,R,T)G=(V,E,R,T)G=(V,E,R,T) 其中vi∈Vv_i \in Vvi​∈V表示node，node 的type可以通过T(vi)T(v_i)T(vi​)得到 edge用3元组表示(vi,r,vj)∈E(v_i, r, v_j) \in E(vi​,r,vj​)∈E，关系r∈Rr \in Rr∈R
TEC: Knowledge Graph Embedding with Triple Context
REfusing的博客
05-31 191
TEC:Knowledge Graph Embedding with Triple Context 1 问题    知识图谱没有充分利用上，丰富的信息，利用其周围信息和路径信息，基于以上信息进行知识知识图谱补全。 2 模型 context 信息包括：neighbor context和path context。 2.1 Context详细信息 Neighbor Context 对于其Neighbor Context只进行出度的计算，CN(h)=(r4,e1),(r3,e2),(r2,e3),(r1,e8)
Knowledge Graph Embedding: A Survey of Approaches and Applications【翻译】
foochane
11-17 4416
原文地址：https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8047276 论文名称：Knowledge Graph Embedding: A Survey of Approaches and Applications 作者：Quan Wang , Zhendong Mao , Bin Wang, and Li Guo 摘要 知识图(...
cs224w（图机器学习）2021冬季课程学习笔记12 Knowledge Graph Embeddings
诸神缄默不语的博客
07-07 3523
cs224w（图机器学习）2021冬季课程学习笔记12 Knowledge Graph Embeddings 1. Heterogeneous Graphs and Relational GCN (RGCN) 2. Knowledge Graphs: KG Completion with Embeddings 3. Knowledge Graph Completion: TransE, TransR, DistMult, ComplEx
Quaternion Knowledge Graph Embeddings
零食的csdn博客
03-14 2205
Quaternion Knowledge Graph Embeddings. NeurIPS 2019. https://github.com/cheungdaven/QuatE 摘要 在这篇文章中，我们越过传统的复杂值表示方法，介绍了超复杂表示方法以对知识图嵌入式的实体和关系进行建模表征。更具体地，我们使用一种超参数值表征的嵌入式方法，具有三个虚部的四元数嵌入式，对实体进行表征。所提出方法的优越...
知识图谱嵌入评价指标
11-30
KGE模型的性能评价指标通常包括MRR、HITS@1和HITS@10。其中，MRR是平均倒数排名，表示所有正确三元组的平均倒数排名，其计算公式为： $$MRR=\frac{1}{|\mathcal{T}|}\sum_{(h,r,t)\in\mathcal{T}}\frac{1}{rank_{(h,...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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