Mr_GYF的博客

常规定义ERTE, R,TERT和FFF分别是实体，关系,时间戳和事实一个事实在TKG中可以被表示成一个四元组quadruple（ese_ses​rrreoe_oeo​ttt在时间ttt下，rrr表示在头实体和尾实体之间的有向边可以通过随时间变化的图形来表示TKG，TKG可以表示为G1TG_{(1,T)}G1T​G1G2GTG1​G2​...GT​，其中GtEtRFtGt​Et​RFt​。

左图：显示使用自监督制导信号条件反射的扩散模型的定性生成结果。右图：显示下游图像任务的定性结果，这些任务利用了在训练扩散模型中学习到的表征。改编自Li等人[100]，Hu等人[73]，Pan等人[130]，Baranchuk等人[15]，Yang和Wang[173]图1所示，展示了关于扩散模型和表示学习的已发表和预印本论文的年度数量。对于2024年，绿色条表示截至2024年6月（含2024年6月）收集的论文数量，灰色虚线表示全年的预测数量。这一段解释如何通过重新参数化，简化原始的生成扩散模型，对。

整合人类知识是人工智能的研究方向之一。知识表示和推理是受人类问题解决的启发，将要为智能系统表示知识，使其获得解决复杂任务的能力知识图谱作为一种结构化的人类知识形式受到了学术界和工业界的极大关注知识图谱是事实的结构化表示，由实体、关系和语义描述组成。知识图谱与知识库是同义的，只是有细微的区别。在考虑知识图谱的图结构时，可以将其视为一个图。当涉及到形式语义时，它可以作为对事实进行解释和推理的知识库。知识库和知识图谱的示例如图1所示知识可以在资源描述框架（RDF）下以（头、关系、尾）或（主语、谓语、宾语）的形式

目前有两种方法:基于距离模型的嵌入变换方法和基于语义匹配模型的双线性模型。它们的思想都是将包含实体和关系的知识图谱嵌入到连续的低纬度实向量空间中时间知识图的推理有两种，第一种是插值，对于时间从到t0到tT的时间知识图，插值的任务是补全时间t从到t T之间缺失的事实。第二种是外推，它的主要任务是预测时间t0 > tT的新事实。我们专注于外推任务，因为基于已知知识图中的事实预测未来时间的新事实有助于人类理解事件中的隐藏因素并对可能的未来事件做出反应，这可以应用于救灾或金融分析。