
知识图谱
文章平均质量分 73
基于结点和链接的知识图谱在NLP领域起着重要的支撑作用,结构化的知识往往具备更好的存储价值,也更容易生成具有更强表达能力的嵌入式表示。
KoenigseggH
在校学生
展开
-
知识图谱发展报告2018(2)——知识图谱系列
文章目录知识图谱发展报告(2018)(3~4章)实体识别与链接实体识别与链接定义实体识别与链接的技术和方法传统统计模型方法深度学习方法文本挖掘方法实体识别与链接技术展望实体关系学习 知识图谱发展报告(2018)(3~4章) 实体识别与链接 实体识别与链接定义 命名实体识别是指识别文本中的命名性实体,并将其划分到指定类别的任务。常用实体类别包括人名、地名、机构名、日期等。实体链接主要解决实体名的歧义性和多样性问题,是指将文本中实体名指向其所代表的真实世界实体的任务,也通常被称为实体消歧。实体链接流程如下:原创 2021-06-11 15:08:30 · 512 阅读 · 0 评论 -
知识图谱发展报告2018(1)——知识图谱系列
该系列学习内容来自 [1]. 知识图谱发展报告(2018) 前言[A]. 中国中文信息学会、语言与知识计算专委会.知识图谱发展报告(2018)[C].:中国中文信息学会,2018:8.原创 2021-06-02 17:16:43 · 920 阅读 · 0 评论 -
知识图谱系列——RGHAT模型学习
Relational Graph Neural Network with Hierarchical Attention for Knowledge Graph Completion AAAI 2020 Reference Format: GB/T 7714 Zhang Z, Zhuang F, Zhu H, et al. Relational graph neural network with hierarchical attention for knowledge graph completion[C原创 2021-03-24 15:57:11 · 973 阅读 · 0 评论 -
知识图谱系列——ParamE模型学习
ParamE: Regarding Neural Network Parameters as Relation Embeddings for Knowledge Graph Completion AAAI 2020 Reference Format: GB/T 7714 Che F , Zhang D , Tao J , et al. ParamE: Regarding Neural Network Parameters as Relation Embeddings for Knowledge Gr原创 2021-03-24 15:14:08 · 1089 阅读 · 4 评论 -
知识图谱系列——TransRESCAL模型学习
TransRESCAL: A Dense Feature Model for Knowledge Graph Completion IEEE-2020 Reference Format: GB/T7714 Chen P , Wang Y , Yu Q , et al. TransRESCAL: A Dense Feature Model for Knowledge Graph Completion[C]// 2020 IEEE International Conference on Progress i原创 2021-03-12 15:39:04 · 1120 阅读 · 0 评论