新方法使用嵌入式度量知识图谱间的语义相似性

研究人员开发了一种新方法来衡量知识图谱（KGs）之间的语义相似性，解决了现有方法主要关注实体、关系和三元组的局限性。所提出的技术通过比较知识图谱的底层信息来评估图级别语义，而不是仅仅依赖结构模式。使用从文本文档派生的自定义语义匹配数据集进行的实验表明，新的基于知识图谱嵌入的方法，特别是EmbPairSim评分函数，在捕获图对图语义相似性方面优于Sentence-BERT等传统方法。 AI

影响 这项研究可能带来更有效的方法来比较和理解大型知识图谱，从而改善依赖结构化知识的下游AI应用。

排序理由 该集群包含一篇学术论文，详细介绍了一种评估知识图谱嵌入的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AvgEmbSim
• CC-News
• EmbPairSim
• graph-to-graph semantic similarity
• KG embedding
• knowledge graph
• Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks
• WikiText-2

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →