【知识图谱系列】基于实数或复数空间的知识图谱嵌入

最新推荐文章于 2022-07-24 08:17:15 发布
最新推荐文章于 2022-07-24 08:17:15 发布
阅读量665 收藏 2
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 知识图谱 文章标签： 知识图谱 复数空间 RotatE TransGCN 知识图谱嵌入
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.youkuaiyun.com/feilong_csdn/article/details/117124179

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


本文分享分享3篇有关知识图谱表示学习的优秀论文，简单介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱嵌入

图片


一、Background


本文给大家推荐三篇知识图谱表示学习相关的论文，这几篇论文都是针对三元组进行距离计算，对关系进行不同的定义。TransE模型在实数空间将关系看作从head node到tail node翻译操作，RotatE模型在复数空间将关系看作从head node到tail node旋转操作，第三篇TransGCN模型则基于TransE和RotatE基础上提出了将关系看作Transformation操作。



二、Motivation


知识图谱是由实体（节点）和关系（不同类型的边）组成的多关系图，每条边连接头尾两个实体，通常用SPO三元组进行表示（subject, predicate, object），被称为一个事实。虽然知识图谱在表示结构化数据方面很有效，但这类三元组的潜在符号特性通常使得KGs很难操作。

因此知识图谱表示学习便成为了一个热门的研究方向，知识图谱嵌入的关键思想是将图谱中的实体entity和关系relation转化为连续的向量，在保留KG原有结构的同时使得操作方便。于是便可将entity embedding和relation embedding用到下游各种任务中，例如图谱补全，关系抽取，实体分类，实体链接及实体融合等。



三、Paper

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述



四、往期精彩


【知识图谱系列】Over-Smoothing 2020综述

【知识图谱系列】自适应深度和广度图神经网络模型

【知识图谱系列】知识图谱多跳推理之强化学习

【知识图谱系列】知识图谱的神经符号逻辑推理

【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


汇报完整版ppt可通过关注公众号后回复关键词：知识图谱嵌入 来获得，有用就点个赞呗！

知识图谱嵌入
weixin_43961909的博客
07-06 764
如上所述，知识图谱的嵌入方法可以提高计算的效率，增加下游应用的多样性，并可以作为预训练，为下游模型提供语义支持，所以对其展开的研究具有很大的应用价值和前景。类似于词向量，经典的知识图谱嵌入模型TransE的设计思想就是，如果一个三元组（hr，t）成立，那么它们需要符合h+rt关系，例如：Vec（Rome）+vec（is-capital-of)≈vec（ltaly）所以，在知识图谱嵌入的学习过程中，不同的模型从不同的角度把相应的语义信息嵌入知识图谱的向量表示中，如下图所示。S（ga）是被设计出来的得分函数。
解析知识图谱嵌入方法的表达能力:新框架助力AI推理
最新发布
步子哥的博客
07-25 587
这项研究不仅提供了一个评估KGE方法的新框架,还深化了我们对现有方法优劣的理解,并提出了一种创新的新方法。这些成果有望为知识图谱嵌入领域的未来研究指明方向。高杰星博士总结道:“我们的工作为比较和改进KGE方法提供了一个坚实的理论基础。通过这个框架,我们不仅能更好地理解现有方法的局限性,还能有针对性地设计新的、更强大的方法。我相信,这将推动KGE技术向更高的精度和更广的应用领域发展。随着人工智能技术不断向知识密集型任务拓展,高质量的知识表示方法变得越来越重要。
知识图谱研究综述论文: 表示学习、知识获取与应用【107篇参考文献】.zip
02-17
最近Shaoxiong Ji, Shirui Pan, Erik Cambria, Pekka Marttinen, Philip S. Yu等学者发表了关于知识图谱的最新综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》，25页pdf涵盖107篇参考文献，对知识图谱进行了全面的综述，涵盖了知识图谱表示学习、知识获取与补全、时序知识图谱、知识感知应用等方面的研究课题，并总结了最近的突破和未来的研究方向。我们提出对这些主题进行全视角分类和新的分类法。是关于知识图谱最近非常重要的参考文献。
【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
【AI机器学习与知识图谱】的博客
05-21 2141
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 本文分享一篇知识图谱表示学习汇报ppt，将知识图谱表示学习方法粗略分为四大类，涉及将近30篇优秀论文，只简单介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：知识图谱表示学习 1、翻译距离模型：包括TransH、TransR、TransD、TranSparse、TransM、MianfoldE、TransF、TransA、KG2E、TransG、UM、SE模型等； 2、语义匹配模型：包括RESCAL、Di..
多关系知识图谱表示学习
G619879006的博客
02-07 578
1.异质知识图谱研究的对象便是如何处理多关系知识图谱？ 个人理解：多relation知识图谱中modeling在做node表征时需要充分考虑relation,也就是边对于实体表征的作用 2.如何合理充分结合node and relation信息提高表征能力？ **answer:**RGCN是一个messages-passing[消息传递]=框架 [R-GCN–Modeling Relation data with Graph Convolution networks] RGCN是专门处理具有高度多关系数据特
【知识图谱系列】动态知识图谱表示学习综述 | 十篇优秀论文导读
【AI机器学习与知识图谱】的博客
05-21 7821
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 本文分享一篇动态知识图谱表示学习综述汇报ppt，分享10篇优秀论文，简单介绍其核心思想，完整汇报ppt获取请关注公众号回复关键字：动态知识图谱 一、何为动态图谱 首先知识图谱本质上就是一个语义网络，由节点Node和边Edge构成，每个Node表示现实世界中存在的实体Entity，而每条边表示实体与实体之间的关系。简单来说，知识图谱就是把所有不同种类的信息连接在一起而得到的关系网络，比如社交网络。由于这种关..
知识图谱中的表示学习
11-04
从宏观角度介绍了RL4KG，可以让初学者迅速掌握表示学习的概念和要义。
群体知识图谱：分布式知识迁移与联邦式图谱推理
weixin_70923796的博客
07-24 1008
摘要群体知识图谱是指通过群体协作，以去中心化或分布式方式管理和维护的知识图谱。相比现有的集中式管理的知识图谱，群体知识图谱具备知识确权、隐私保护、众包激励、可信溯责等特点。尝试探讨构建或应用群体知识图谱平台面临的技术挑战。其中分布式知识迁移考虑在一个分散自治的框架下，通过实现不同来源的多个知识图谱之间的知识迁移，缓解单个知识图谱的知识不完备问题。其主要难点是在充分保护知识的自治所有权的前提下，尽可能共享有用的知识，以增强各自的知识图谱表示。联邦式图谱推理也是考虑在一个分布式环境下，通过联邦学习机制实现隐私保
知识图谱推理：现代的方法与应用
weixin_46569877的博客
07-06 2216
知识推理
知识图谱最新权威综述论文解读：知识表示学习部分
ngl567的博客
05-18 3865
知识图谱最新权威综述论文解读：开篇部分 今天分享一个自己从数据爬取到d3可视化的中式菜谱知识图谱可视化系统的搭建流程。 Github项目地址：https://github.com/ngl567/CookBook-KG 访问可视化系统GithubPage地址：https://ngl567.github.io/CookBook-KG/ 新的改变 本项目开发的系统名称为AI Food Time，中文名为爱食光。通过收集网上完全公开的有关中式菜谱的数据，经过数据清洗和分析，转换为知识图谱的存储结构，并提供可视化展示
李涓子 - 知识图谱研究综述 - Unknown.pdf
06-19
李涓子 - 知识图谱研究综述，知识图谱；知识表示；知识获取；语义集成；知识应用
【知识图谱】【表示学习】知识图谱表示学习
进步青年
05-05 1417
知识图谱表示学习知识图谱表示学习知识图谱的推理方法关系推理方法常见算法论文、笔记、源码（陆续更新） 参考资料： https://www.cnblogs.com/sybil-hxl/p/12767516.html https://www.cnblogs.com/jtianwen2014/p/7018872.html https://zhuanlan.zhihu.com/p/103414766 知...
知识图谱表示学习
yichudu
06-26 4563
知识图谱是一种精细化的异构网络, 所以对其节点与边的表示学习也是一个热门的问题. 这里的学习依旧是得到它们的低维稠密向量. 参考 论文transr
知识图谱中的知识表示学习（Representation Learning）
热门推荐
zlasd的博客
04-05 3万+
Word Representation1. one-hot representation 长度为词典长度，每个词在词典中的位置置1，其余置0 Curse of Dimension, 不适合太大的字典 互相正交，难以表示词语之间的相似性 2. distributed representation(词向量) 稠密、实值、低维的向量 便于Deep Learning 相似度用距离表示 word2vec ki
知识图谱 | 表示学习篇
RUC_Lee的博客
06-29 3488
知识图谱 | 表示学习篇1 知识图谱表示的挑战2 词的向量表示方法3 知识图谱嵌入3.1 概念3.2 优缺点4 知识图谱嵌入方法4.1 转移距离模型—TransE及其变体4.1.1 TransE4.1.2 TransH4.1.3 TransR4.1.4 TransD4.1.5 TransSparse4.1.6 TransM4.1.7 ManifoldE4.1.8 TransF4.1.9 TransA4.2 转移距离模型—高斯嵌入4.2.1 KG2E4.2.2 TransG4.3 其他距离模型4.3.1 非结
自然语言处理——知识图谱——表示学习
Wangpeiyi9979的博客
10-26 955
文章目录一、任务定义二、数据集三、评测方法四、相关论文 一、任务定义 Representation learning (RL) of knowledge graphs aims to project both entities and relations into a continuous low dimensional space。 二、数据集 表示学习一般作为其他任务的前置任务，比如【知识...
研究综述 | 多关系知识图谱表示学习综述
开放知识图谱
02-06 905
作者 | CHEONG转载自公众号 | 机器学习与自然语言处理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...
ComplEx嵌入为什么要将嵌入分成实部和虚部
05-19
ComplEx 是一种基于复数的知识图谱嵌入方法。在这个方法中，实体和关系都被嵌入到复数空间中。每个实体和关系都由一个实部和一个虚部组成，实部和虚部分别表示它们在实数轴和虚数轴上的位置。这种嵌入方式的好处是...
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