【知识图谱系列】多关系异质知识图谱表示学习综述

作者：CHEONG

公众号：AI机器学习与知识图谱

研究方向：自然语言处理与知识图谱

本文分享一篇多关系知识图谱表示学习汇报ppt，介绍近几年及2020新出的共七篇处理异质图的模型。先列出该汇报ppt中将要介绍的七篇论文：

一、Motivation

异质知识图谱研究的对象便是如何处理多关系知识图谱，多关系知识图谱中模型在做节点表征时便需要充分考虑到关系Relation，也就是边Edge对于实体表征的作用，因此异质知识图谱模型便会在做节点表征时加入Relation关系信息，那么如何合理充分结合node和relation信息来提高表征能力便是下面模型关注的重点。应用场景也多用在图谱节点分类，以及知识图谱补全（Link Prediction）

二、汇报PPT

三、往期精彩

【知识图谱系列】Over-Smoothing 2020综述

【知识图谱系列】知识图谱表示学习综述 | 近30篇优秀论文串讲

【知识图谱系列】探索DeepGNN中Over-Smoothing问题

【知识图谱系列】动态时序知识图谱EvolveGCN

【知识图谱系列】多关系神经网络CompGCN

【面经系列】八位硕博大佬的字节之旅

各大AI研究院共35场NLP算法岗面经奉上

【机器学习系列】机器学习中的两大学派

干货 | Attention注意力机制超全综述

干货 | NLP中的十个预训练模型

干货|一文弄懂机器学习中偏差和方差

FastText原理和文本分类实战，看这一篇就够了

Transformer模型细节理解及Tensorflow实现

GPT,GPT2,Bert,Transformer-XL,XLNet论文阅读速递

机器学习算法篇：最大似然估计证明最小二乘法合理性

Word2vec, Fasttext, Glove, Elmo, Bert, Flair训练词向量教程+数据+源码