MorsE是一种通过元知识迁移实现归纳式知识图谱表示学习的方法，旨在解决传统KGE方法在新实体上的应用问题。论文采用元学习策略，通过在源KG上学习元知识，然后将其应用于目标KG，以适应未见过的实体，适用于多种下游任务。实验表明，MorsE在链接预测和问答系统等任务中表现出良好的归纳能力。
论文题目：Meta-Knowledge Transfer for Inductive Knowledge Graph Embedding
论文链接：https://arxiv.org/abs/2110.14170
代码链接：https://github.com/zjukg/MorsE
当前，大量的大规模知识图谱（knowledge graph，KG）被提出，并应用于多种下游任务。在知识图谱的使用过程中，有各种知识图谱表示学习的方法（即知识图谱嵌入，knowledge graph embedding，KGE）被提出，用于将知识图谱中的实体和关系映射到连续的低维向量
760
811
681
623
1610
1323
992
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
超级会员免费看
订阅专栏 解锁全文
扫一扫
