研究人员推出了一种新的概率模型PGRE（泊松-伽马关系演化），旨在处理动态知识图谱中的关系间依赖。该模型解决了这些图谱中常见的时序演化、噪声和不完整性带来的挑战。PGRE采用泊松-伯努利公式处理多关系时序链接，并结合伽马分布的潜在变量来捕捉关联和跨关系依赖。实验表明，PGRE在链接预测方面表现具有竞争力，尤其是在稀疏数据场景下，并且能够揭示重要的关系演化模式。 AI
影响 引入了一种改进动态知识图谱分析和预测能力的新方法，这对于各种AI应用至关重要。
排序理由 该集群包含一篇详细介绍动态知识图谱新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- AI applications
- dynamic knowledge graphs
- Gamma-distributed latent variables
- Gamma Markov process
- link prediction
- Poisson-Bernoulli formulation
- Poisson-Gamma Relational Evolution
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
