自然语言处理——知识图谱——Knowledge graph completion

最新推荐文章于 2023-12-27 01:45:49 发布
最新推荐文章于 2023-12-27 01:45:49 发布
阅读量1.9k 收藏 4
点赞数
分类专栏： 人工智能任务汇总 文章标签： 人工智能 任务总结
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/wangpeiyi9979/article/details/101374024
版权

文章目录

一、任务定义

Knowledge graph completion旨在给定(1)关系(2)其中一个实体，然后预测另外一个实体。如: 给出(创建:r，苹果:o)，然后模型给出乔布斯:s.

二、数据集

本着了解任务的目标，这里笔者研究了该任务的其中一个数据集FB15K-237. 改数据集有两类形式的文件:
(1) 三元组：

/m/0grwj【头实体】 /people/person/profession【关系】 /m/05sxg2【尾实体】

(2) 路径+次数

/m/02qkt【头实体】 [XXX]:<-nn>:fact:<-pobj>:in:<-prep>:game:<-nsubj>:'s::pivot::[YYY]【依赖路径】 /m/05sb1【尾实体】 3【该实体对在文本中出现次数】

三、评价指标

评价指标来自文章[1], 作者先按分数将三元组排序，按照什么分数，笔者没看太懂，暂时也没打算抠这个。

  • MR：越低越好
  • MMR：越高越好
  • Hits：越高越好

四、相关工作

序号会议作者论文阅读笔记源码复现创新点
[1]NAACL 2019Dai Quoc NguyenA Capsule Network-based Embedding Model for Knowledge Graph Completion and Search Personalization暂无无采用了Capsule网络
无聊的人生事无聊
关注
专栏目录
Multi-perspective Improvement of Knowledge Graph Completion with Large Language Models
c_cpp_csharp的专栏
05-21 79
知识图谱补全（KGC）是一种广泛使用的方法，通过对缺失链接进行预测来解决知识图谱中的不完整问题。基于描述的KGC利用预训练的语言模型来学习具有名称或描述的实体和关系表示，这显示出有希望的结果。然而，基于描述的KGC的性能仍然受到文本质量和不完整结构的限制，因为它缺乏足够的实体描述，并且仅依赖于关系名称，导致次优结果。
Weighted Aggregator for the Open-World Knowledge Graph Completion
weixin_44466434的博客
10-04 337
知识图谱得文本动态补全
自然语言处理之知识图谱
热门推荐
zourzh123的专栏
07-12 4万+
1. 引言    最早接触知识图谱是在一篇分析人工智能的文章，文章提出一个很有意思的观点：“在感知层面，人工智能进步很大，在更高级的认知层面，我们现在了解的仍然很少。”　我对这句话的粗浅理解是，人工智能在学习数据的内在表示（无监督学习），或者对数据的输出结果判别方面表现出了强大的能力，甚至在计算机视觉、语音识别、机器翻译等方面接近或超过人类的表现水平，但这些都还停留在对数据内容的归纳和感知层面，对...
Knowledge Graph Completion（知识图谱补全）
nakaizura
08-09 2万+
知识图谱补全算法能让知识图谱变得更加完整,按照能否处理新实体或者新关系，可以将知识图谱补全算法分成两类： 静态知识图谱补全（Static KGC），该场景的作用是补全已知实体之间的隐含关系。仅能处理实体以及关系都是固定的场景，扩展性较差 动态知识图谱补全（Dynamic KGC），涉及不止知 识图谱G中的实体或关系，该场景能够建立知识图谱与外界的关联，从而扩大知识图谱的实体集、关系集以及三元组集。可以处理含有新实体或者新关系的场景，能够构造动态的知识图谱，具有更好的现实意义 虽然知识图谱能提供高质量的结
《Knowledge graph completion via complex tensor factorization》理论（下）
qq_43893755的博客
09-24 557
该文献涉及的数学理论总结
A comprehensive overview of knowledge graph completion
weixin_44466434的博客
10-25 932
知识图谱完成的全面概述
Learning Entity and Relation Embeddings for Knowledge Graph Completion
qq_34260382的博客
09-22 739
Learning Entity and Relation Embeddings for Knowledge Graph Completion 0. 问题 TransE和TransH都假设Entity和Relation位于同一个语义空间中 传统Trans模型都只是为每个Relation只建立一个特定的向量表示, 但关系通常是多样性的 1. 主要思想 提出TransR构建Entity Space...
Knowledge Graph Completion A Review.pdf
03-03
知识图谱完成（Knowledge Graph Completion, KGC）是知识图谱构建及其相关应用中的一个热门话题。知识图谱，由Google在2012年首次提出，被定义为一个由大量实体和它们之间关系构成的大型知识库。近年来，作为一种...
知识补全中图卷积网络的再思考Rethinking Graph Convolutional Networks in Knowledge Graph Completion阅读笔记
自学小角落
03-20 396
外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Zw3S5oC7-1679319469449)(知识补全中图卷积网络的再思考Rethinking Graph Convolutional Networks in Knowledge Graph Completion阅读笔记_files/1176069484.png)]即，KGE模型和梯度下降的组合表现得类似GCN的聚合操作，所以再单独添加聚合是不必要的，也是从原理上说明了为什么LTE-KGE性能和GCN类的KGC模型类似。
论文浅尝 | Temporal Knowledge Graph Completion Using Box Embeddings
开放知识图谱
11-04 1431
笔记整理：杨露露，天津大学硕士论文链接：https://www.aaai.org/AAAI22Papers/AAAI-6210.MessnerJ.pdf动机时态知识图谱补全（TKGC）中的主要挑战是额外学习时间戳嵌入，以便嵌入模型根据关系、实体和时间戳嵌入联合执行评分。本文提出了BoxTE，一个用于TKGC的盒子嵌入模型，建立在静态知识图谱嵌入模型BoxE之上。亮点本文的亮点主要包括：（1）表明 ...
TuckER：Tensor Factorization for Knowledge Graph Completion.pdf
08-09
Knowledge graphs are structured representations of real world facts. However, they typically contain only a small subset of all possible facts. Link prediction is a task of inferring missing facts based on existing ones. We propose TuckER, a relatively simple but powerful linear model based on Tucker decomposition of the binary tensor representation of knowledge graph triples. TuckER outperforms all previous state-of-the-art models acrossstandardlinkpredictiondatasets. Weprove that TuckER is a fully expressive model, deriving the bound on its entity and relation embedding dimensionality for full expressiveness which is several orders of magnitude smaller than the bound of previous state-of-the-art models ComplEx and SimplE. We further show that several previously introducedlinearmodelscanbeviewedasspecial cases of TuckER.
论文浅尝 | Open world Knowledge Graph Completion
开放知识图谱
01-30 5665
来源：AAAI2018论文链接：https://arxiv.org/pdf/1711.03438.pdf代码链接：https://github.com/bxshi/ConMask本文解决知识库补全的问题，但和传统的 KGC 任务的场景有所不同。以往知识库补全的前提是实体和关系都已经在 KG 中存在，文中把那类情况定义为 Closed-World KGC。从其定义可以发现它是严重依赖已有KG连接的，
论文笔记 | Open-World Knowledge Graph Completion |AAAI2018
weixin_41297561的博客
05-24 887
来源：AAAI2018 论文链接：https://arxiv.org/pdf/1711.03438.pdf 代码链接：https://github.com/bxshi/ConMask 介绍 这篇文章解决的是知识图谱补全的问题，先前的知识图谱补全模型(KGC)都是在KG的实体集合和关系集合确定的情况下预测新的连接，文中将其称为Closed-World KGC，Definition1 给出了Closed-World KGC的定义： Closed-World KGC：给定不完整知识图谱G=(E,R,T)G=(.
文献笔记1：《Knowledge Graph Completion via Complex Tensor Factorization》理论（上）
qq_43893755的博客
09-24 560
总结论文
KG-BERT for Knowledge Graph Completion 笔记
weixin_44283836的博客
10-22 3634
Abstract 1、采用预训练的语言模型BERT来补全知识图谱 2、将知识图谱中的三元组视为文本序列，并提出新框架KG-BERT 3、方法：用三元组的实体描述和关系描述作为输入，利用KG-BERT语言模型计算三元组的评分函数 资料查阅: 预训练语言模型 PLMs：预训练模型就意味着先学习人类的语言知识，然后再代入到某个具体任务。 1）基于大规模文本，预训练得出通用的语言表示；2）通过微调的方式，将学习到的知识传递到不同的下游任务 预训练模型的三个关键技术：①Transformer ②自监督学习 ③微调 I
自然语言处理与知识图谱构建：技术与应用
最新发布
AI天才研究院
12-27 1118
1.背景介绍 自然语言处理(NLP)和知识图谱(Knowledge Graph, KG)构建是两个独立的研究领域，但它们在实际应用中有很强的相互作用和融合作用。自然语言处理主要关注从人类语言中提取有意义信息的技术，而知识图谱则是一种结构化的知识表示方法，可以帮助人们更好地理解和利用这些信息。在过去的几年里，随着机器学习和深度学习技术的发展，这两个领域在技术和应用上得到了重要的进展。本文将从以下六...
3-知识图谱构建-知识图谱-自然语言处理
kakazai.cn
06-05 2844
来源：《中文信息处理报告》定义根据特定知识表示模型，从分布异构的海量互联网资源中采用机器学习和信息抽取等技术，建立大规模知识图谱的过程。知识图谱构建的数据源是什么？这种数据源存在什么问题？对应的处理技术是什么？技术处理后，要达到的效果是什么？大规模知识库VS语义集成数据源：互联网上已有许多大规模知识库，比较著名的有 DBPedia、YAGO，wikipedia等。存在问题：知识库之间的异构性，对知...
Transfer Learning for Item Recommendations and Knowledge Graph Completion
qq_41621342的博客
03-19 330
Transfer Learning for Item Recommendations and Knowledge Graph Completion in Item Related Domains via a Co-Factorization Model Abstract 随着知识图(KGs)近年来的普及，有许多研究利用KGs中丰富的背景知识来完成项目推荐的任务。 然而，在利用KGs的知识时，很少考...
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