![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读记录
文章平均质量分 93
憨化龙猫
目前在读研,研究方向是知识图谱补全、嵌入。
展开
-
阅读记录:SimRE: Simple Contrastive Learning with Soft LogicalRule for Knowledge Graph Embedding
知识图谱嵌入技术分为两种不同的范式:基于嵌入的方法和基于文本的方法,取决于文本信息如何补充嵌入。如图,左侧为基于嵌入的,输入数据仅包含实体和关系,如三元组(James Milner、hasGender、male)。右侧是基于文本的方法,其中输入数据包含实体、关系和实体的文本描述,从而扩展了所考虑的信息的范围。SimKGC模型是目前基于文本的方法中最成熟的。然而,SimKGE 框架忽略了关键的逻辑组件,而完全依赖于文本和结构属性,引入了 SimRE。原创 2024-01-19 16:43:23 · 1388 阅读 · 0 评论 -
阅读记录:SimKGC: Simple Contrastive Knowledge Graph Completion withPre-trained Language Models
现有的知识图谱补全(KGC)方法可以分为两类:基于嵌入的方法和基于文本的方法。基于嵌入的方法将每个实体和关系映射到低维向量,而不使用任何辅助信息。例如:TransE (Bordes et al., 2013)、TransH (Wang et al., 2014)、RotatE (Sun et al., 2019b) 和 TuckER (Balazevic et al., 2019) 等。原创 2024-01-22 17:48:06 · 1535 阅读 · 0 评论 -
阅读记录:RNNLOGIC: LEARNING LOGIC RULES FOR REASON-ING ON KNOWLEDGE GRAPHS
本文研究。逻辑规则在用于预测时提供可解释的解释,并且能够推广到其他任务。现有方法要么面临在大搜索空间中搜索的问题(例如神经逻辑编程),要么由于奖励稀疏而导致优化无效(例如基于强化学习的技术)。为了解决这些限制,本文提出了一种称为。RNNLogic 将逻辑规则视为潜在变量,同时用逻辑规则训练规则生成器和推理预测器。本文开发了一种。在每次迭代中,首先更新推理预测器以探索一些生成的推理逻辑规则。然后在E步骤中,通过后验推理从规则生成器和推理预测器生成的所有规则中选择一组高质量规则;原创 2024-01-24 09:55:37 · 1806 阅读 · 0 评论